tf.confusion_matrix()方法是什么功效的?
这个是混淆矩阵,里面有三个参数(a,b,c)a是真实标签属于的类型,b是预测的标签,c是总的分类
初步了解概念以后,我们来看一个例子
import tensorflow as tf
b=[1,2,3,0]
a=[1,3,3,2]
a=tf.confusion_matrix(a,b,4)
with tf.Session() as sess:
print(sess.run(a))
a,b里面的数字代表属于第几类别,总共4类
0 1 2 3
0
1
2
3
由于都是单个样本,所以我们到时候填充的数字最大的是1
a是真实的,b是预测的样本
我们先看a[0]=1 样本真实的属于第一类,再预测里面也是第一类
0 1 2 3
0
1 1
2
3
a是真实的,b是预测的样本
我们先看a[1]=3 样本真实的属于第3类,再预测里面是第2类