- Activation
- Derivative
- Loss
- LossGradient
- RegressionMetric
- ConfusionMatrix
- ConfusionMatrixMultilabel
- ClassificationMetric
- ClassificationScore
- PrecisionRecall
- ReceiverOperatingCharacteristic
PrecisionRecall
Вычисляет значения для построения кривой precision-recall. Данный метод, как и метод ClassificationScore, применяется к вектору истинных значений.
bool vector::PrecisionRecall(
|
Параметры
pred_scores
[in] Матрица, содержащая набор горизонтальных векторов с вероятностями по каждому классу. Количество строк матрицы должно соответствовать размеру вектора истинных значений.
mode
[in] Режим усреднения из перечисления ENUM_AVERAGE_MODE. Используются только AVERAGE_NONE, AVERAGE_BINARY и AVERAGE_MICRO.
precision
[out] Матрица с рассчитанными значениями кривой precision. При отсутствии усреднения (AVERAGE_NONE) количество строк в матрице соответствует количеству классов модели. Количество колонок соответствует размеру вектора истинных значений (или количеству строк в матрице распределений вероятностей pred_score). В случае микроусреднения количество строк в матрице соответствует общему количеству пороговых значений за исключением дублей.
recall
[out] Матрица с рассчитанными значениями кривой recall.
threshold
[out] Матрица пороговых значений, полученная путём сортировки матрицы вероятностей
Примечание
Смотрите примечания для метода ClassificationScore.
Пример
Пример сбора статистики модели mnist.onnx (точность 99%).
//--- data for classification metrics
//--- input-output
//--- testing
//--- collect data
|
vectorf accuracy=y_pred.ClassificationMetric(y_true,CLASSIFICATION_ACCURACY);
|
Пример вывода графиков precision-recall, где на оси y отложены значения precision, на оси x - значения recall. А также вывод отдельных графиков precision и recall, где на оси x отложены пороговые значения
if(y_true.PrecisionRecall(y_scores,AVERAGE_MICRO,mat_precision,mat_recall,mat_thres))
|
Результат: