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

PaddlePaddle

paddle.fluid / metrics / Recall

Recall¶

PaddlePaddle

paddle

paddle.amp

paddle.callbacks

paddle.compat

paddle.distributed

paddle.distribution

paddle.fluid

paddle.io

paddle.jit

paddle.metric

paddle.nn

paddle.onnx

paddle.optimizer

paddle.regularizer

paddle.static

paddle.sysconfig

paddle.text

paddle.utils

paddle.vision

paddle.fluid / metrics / Recall

Recall¶