Precision

class paddle.metric. Precision [源代码]

精确率 Precision(也称为 positive predictive value,正预测值)是被预测为正样例中实际为正的比例。该类管理二分类任务的 precision 分数。

相关链接:https://en.wikipedia.org/wiki/Evaluation_of_binary_classifiers

这个 metric 只能用来评估二分类。

参数

  • name (str,可选) – metric 实例的名字,默认是'precision'。

代码示例 1

独立使用示例

import numpy as np
import paddle

x = np.array([0.1, 0.5, 0.6, 0.7])
y = np.array([0, 1, 1, 1])

m = paddle.metric.Precision()
m.update(x, y)
res = m.accumulate()
print(res) # 1.0

代码示例 2

在 Model API 中的示例

import numpy as np

import paddle
import paddle.nn as nn

class Data(paddle.io.Dataset):
    def __init__(self):
        super().__init__()
        self.n = 1024
        self.x = np.random.randn(self.n, 10).astype('float32')
        self.y = np.random.randint(2, size=(self.n, 1)).astype('float32')

    def __getitem__(self, idx):
        return self.x[idx], self.y[idx]

    def __len__(self):
        return self.n

model = paddle.Model(nn.Sequential(
    nn.Linear(10, 1),
    nn.Sigmoid()
))
optim = paddle.optimizer.Adam(
    learning_rate=0.001, parameters=model.parameters())
model.prepare(
    optim,
    loss=nn.BCELoss(),
    metrics=paddle.metric.Precision())

data = Data()
model.fit(data, batch_size=16)

方法

update(preds, labels, *args)

更新 Precision 的状态。

参数

  • preds (numpy.array | Tensor):预测输出结果通常是 sigmoid 函数的输出,是一个数据类型为 float64 或 float32 的向量。

  • labels (numpy.array | Tensor):真实标签的 shape 和:code: preds 相同,数据类型为 int32 或 int64。

返回

无。

reset()

清空状态和计算结果。

返回

无。

accumulate()

累积的统计指标,计算和返回 precision 值。

返回

precision 值,一个标量。

name()

返回 Metric 实例的名字,参考上述的 name,默认是'precision'。

返回

评估的名字,string 类型。