PaddlePaddle

 paddle.fluid / metrics / Recall


Recall

class paddle.metric. Recall ( name=None ) [源代码]

召回率Recall(也称为敏感度)是指得到的相关实例数占相关实例总数的比例。https://en.wikipedia.org/wiki/Precision_and_recall 该类管理二分类任务的召回率。

代码示例

import paddle.fluid as fluid
import numpy as np

metric = fluid.metrics.Recall()
# 生成预测值和标签
preds = [[0.1], [0.7], [0.8], [0.9], [0.2],
         [0.2], [0.3], [0.5], [0.8], [0.6]]
labels = [[0], [1], [1], [1], [1],
          [0], [0], [0], [0], [0]]

preds = np.array(preds)
labels = np.array(labels)

metric.update(preds=preds, labels=labels)
recall = metric.eval()

print("expected recall: %.2f and got %.2f" % ( 3.0 / 4.0, recall))
update ( preds, labels )

使用当前mini-batch的预测结果更新召回率的计算。

参数:
  • preds (numpy.array) - 当前mini-batch的预测结果,二分类sigmoid函数的输出,shape为[batch_size, 1],数据类型为'float64'或'float32'。

  • labels (numpy.array) - 当前mini-batch的真实标签,输入的shape应与preds保持一致,shape为[batch_size, 1],数据类型为'int32'或'int64'

返回:无

eval ( )

计算出最终的召回率。

参数:无

返回:召回率的计算结果。标量输出,float类型 返回类型:float


此页内容是否对您有帮助