Question

我在分类方面遇到了困难。我有两个数组，第一个是＆＃39; Actual＆＃39;，第二个是＆＃39; Predicted＆＃39;。这里有 3 类。

A=np.array([1,1,1, 2,3])
P=np.array([1,1,2,3,3])

上述数组意味着第三和第四个元素尚未准确预测。我想知道当我通过以下代码计算两个数组之间的平均准确度时，它显示_ 0.59 _：

np.mean(A==P)
>out: 0.59

但是，当我通过以下代码计算每个类的准确度时，它会显示 0.57 ：

count1=[]
for label in range(1,4):    
    count1.append(np.mean([(x == y)  for x, y in zip(A,P) if x==label]))     
count1
>out: [0.666666666667,0.0,1.0]   
np.mean(count1)
>out:0.54

当课程数量增加时，差异会进一步加大。

Answer 1

这与编程无关，而是与计算平均值有关。

假设您只有两个类，并且您的数据是这样的：

实际：[1,1,1,1,2]

预测：[1,1,1,1,1]

预测第1类的准确度为100％，预测第2类的准确度为0％。总体准确率为80％。现在假设您的数据是这样的：

实际：[1,2,2,2,2]

预测：[1,1,1,1,1]

预测1级的准确率再次为100％，预测2级的准确率再次为0％。但是你的整体准确度现在是20％。显然，没有办法从两个类的准确度百分比中得出总体准确度。

仅通过了解每类精度费率（即百分比），您无法计算总体平均准确度。您需要知道每个类中有多少值，并相应地对整体平均值进行加权。

您当然可以计算每类精度并将其作为单独的信息报告，这可能很有用。在您的情况下，因为您已经知道如何计算整体准确性，所以不清楚为什么需要使用每类方法来计算它。只需以直接的方式计算整体精度，这已经有效。

如何在python中准确计算两个数组的相似性

1 个答案: