Question

我有2个阵列：

np.array(y_pred_list).shape
# returns (5, 47151, 10)
np.array(y_val_lst).shape
# returns (5, 47151, 10)

np.array(y_pred_list)[:, 2, :]
# returns 
array([[ 0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]])

np.array(y_val_lst)[:, 2, :]
# returns
array([[ 0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]], dtype=float32)

我想查看所有47151个示例，并计算＆＃34;准确度＆＃34;。表示y_pred_list中与y_val_lst匹配的总和超过47151.这是什么比较函数？

Answer 1

您可以在sklearn.metrics找到很多有用的分类分数，尤其是accuracy_score()。请参阅doc here，您可以将其用作：

import sklearn
acc = sklearn.metrics.accuracy_score(np.array(y_val_list)[:, 2, :], 
                                     np.array(y_pred_list)[:, 2, :])

Answer 2

听起来你想要这样的东西：

accuracy = (y_pred_list == y_val_lst).all(axis=(0,2)).mean()

...虽然因为你的数组显然是浮点数组，你可能想要允许数值精度错误，而不是坚持完全相等：

accuracy = (numpy.abs(y_pred_list - y_val_lst) < tolerance ).all(axis=(0,2)).mean()

（例如，tolerance = 1e-10）

.all(axis=(0,2))调用记录了当沿着维度0（即具有范围5的那个）和维度2（一个）时，其输入中的所有内容都是True（即一切都匹配）的情况有程度10）。它输出一个长度为47151的一维数组。然后.mean()调用会给出该序列中匹配的比例，这是我对47151＆＃34;的最佳猜测。

比较数组的准确性

2 个答案: