- Activation
- Derivative
- Loss
- LossGradient
- RegressionMetric
- ConfusionMatrix
- ConfusionMatrixMultilabel
- ClassificationMetric
- ClassificationScore
- PrecisionRecall
- ReceiverOperatingCharacteristic
PrecisionRecall
Calcula os valores para traçar a curva precision-recall. Esse método, assim como o método ClassificationScore, é aplicado a um vetor de valores verdadeiros.
bool vector::PrecisionRecall(
|
Parâmetros
pred_scores
[in] Matriz que contém um conjunto de vetores horizontais com probabilidades para cada classe. O número de linhas da matriz deve corresponder ao tamanho do vetor de valores reais.
mode
[in] Modo de cálculo da média a partir da enumeração ENUM_AVERAGE_MODE. São usados apenas AVERAGE_NONE, AVERAGE_BINARY e AVERAGE_MICRO.
precision
[out] Matriz com valores calculados da curva precision. Se não houver cálculo de média (AVERAGE_NONE), o número de linhas na matriz corresponderá ao número de classes de modelo. O número de colunas corresponde ao tamanho do vetor de valores verdadeiros (ou o número de linhas na matriz de distribuição de probabilidade pred_score). No caso da micro-média, o número de linhas na matriz corresponde ao número total de limites, excluindo as duplas.
recall
[out] Matriz com valores calculados da curva recall.
threshold
[out] Matriz de limiar obtida pela classificação da matriz de probabilidade
Observação
Consulte as notas sobre o método ClassificationScore.
Exemplo:
Exemplo de coleta de estatísticas do modelo mnist.onnx (99% de precisão).
//--- data for classification metrics
//--- input-output
//--- testing
//--- collect data
|
vectorf accuracy=y_pred.ClassificationMetric(y_true,CLASSIFICATION_ACCURACY);
|
Exemplo de geração de gráficos precision-recall, em que os valores de precision são plotados no eixo y e os valores de recall são plotados no eixo x. Assim como a geração de gráficos separados de precision e recall, em que os valores de limite são plotados no eixo x
if(y_true.PrecisionRecall(y_scores,AVERAGE_MICRO,mat_precision,mat_recall,mat_thres))
|
Resultado: