Question

我想知道是否有一个简单的解决方案来获取我的分类器的类的召回和精确值？

为了放置一些上下文，我在Denny Britz代码的帮助下使用Tensorflow实现了一个20类CNN分类器：https://github.com/dennybritz/cnn-text-classification-tf。

正如您在text_cnn.py末尾所看到的，他实现了一个简单的函数来计算全局精度：

# Accuracy
        with tf.name_scope("accuracy"):
            correct_predictions = tf.equal(self.predictions, tf.argmax(self.input_y, 1))
            self.accuracy = tf.reduce_mean(tf.cast(correct_predictions, "float"), name="accuracy")

关于我如何做类似事情以获得不同类别的召回和精确值的任何想法？

也许我的问题听起来很愚蠢，但说实话，我有点失落。谢谢你的帮助。

Answer 1

使用tf.metrics为我做了诀窍：

#define the method
x = tf.placeholder(tf.int32, )
y = tf.placeholder(tf.int32, )
acc, acc_op = tf.metrics.accuracy(labels=x, predictions=y)
rec, rec_op = tf.metrics.recall(labels=x, predictions=y)
pre, pre_op = tf.metrics.precision(labels=x, predictions=y)

#predict the class using your classifier
scorednn = list(DNNClassifier.predict_classes(input_fn=lambda: input_fn(testing_set)))
scoreArr = np.array(scorednn).astype(int)

#run the session to compare the label with the prediction
sess=tf.Session()
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())
v = sess.run(acc_op, feed_dict={x: testing_set["target"],y: scoreArr}) #accuracy
r = sess.run(rec_op, feed_dict={x: testing_set["target"],y: scoreArr}) #recall
p = sess.run(pre_op, feed_dict={x: testing_set["target"],y: scoreArr}) #precision

print("accuracy %f", v)
print("recall %f", r)
print("precision %f", p)

结果：

accuracy %f 0.686667
recall %f 0.978723
precision %f 0.824373

注意：对于准确性，我会使用：

accuracy_score = DNNClassifier.evaluate(input_fn=lambda:input_fn(testing_set),steps=1)["accuracy"]

因为它更简单并且已在评估中计算。

如果您不想要累积结果，也请调用variables_initializer。

使用Tensorflow CNN分类器获得精确度和召回值

1 个答案: