Pytorch计算误判率，计算准确率，计算召回率的例⼦⽆论是官⽅⽂档还是各位⼤神的论⽂或搭建的⽹络很多都是计算准确率，很少有计算误判率，
下⾯就说说怎么计算准确率以及误判率、召回率等指标
1.计算正确率
获取每批次的预判正确个数
train_correct = (pred == batch_y.squeeze(1)).sum()
该语句的意思是预测的标签与实际标签相等的总数
获取训练集总的预判正确个数
django怎么学train_acc += train_correct.data[0] #⽤来计算正确率
准确率： train_acc / (len(train_data))
2.误判率
举例：当你是⼆分类时，你需要计算原标签为1，但预测为 0 ，以及原标签为0，预测为1的误判率
误判率⼜分为：
CTW : correct to wrong 标签为正确的，预测为错误的
WTC: wrong to correct 标签为错误的，预测为正确的
zes=s(lasize).type(torch.LongTensor))#全0变量
ons=s(lasize).type(torch.LongTensor))#全1变量
train_correct01 = ((pred==zes)&(batch_y.squeeze(1)==ons)).sum() #原标签为1，预测为 0 的总数
train_correct10 = ((pred==ons)&(batch_y.squeeze(1)==zes)).sum() #原标签为0，预测为1 的总数
train_correct11 = ((pred_y==ons)&(batch_y.squeeze(1)==ons)).sum()
train_correct00 = ((pred_y==zes)&(batch_y.squeeze(1)==zes)).sum()
获取训练集总的误判个数
FN += train_correct01.data[0]
FP += train_correct10.data[0]
TP += train_correct11.data[0]
TN += train_correct00.data[0]
误判率：
(FN+FP)/(len(train_data)) #CTW+WTC
3.精准率和召回率
精准率： P = TP/ (TP+FP)
召回率： R = TP/ (TP+FN)
4.真正例率和假正例率
真正例率：TPR = TP/ (TP+FN)
假正例率：FPR =FP/ (FP+TN)
最后，当你要计算多分类的误判率时，只需在⼆分类的基础上类推即可
以上这篇Pytorch 计算误判率，计算准确率，计算召回率的例⼦就是⼩编分享给⼤家的全部内容了，希望能给⼤家⼀个参考，也希望⼤家多多⽀持。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。