Я хотел бы знать, если есть способ реализовать различные функции оценки от scikit узнать пакет как эта Путаница:Tensorflow Точность/Recall оценка/F1 и матрица
from sklearn.metrics import confusion_matrix
confusion_matrix(y_true, y_pred)
в модель tensorflow к получить разный балл.
with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess:
init = tf.initialize_all_variables()
sess.run(init)
for epoch in xrange(1):
avg_cost = 0.
total_batch = len(train_arrays)/batch_size
for batch in range(total_batch):
train_step.run(feed_dict = {x: train_arrays, y: train_labels})
avg_cost += sess.run(cost, feed_dict={x: train_arrays, y: train_labels})/total_batch
if epoch % display_step == 0:
print "Epoch:", '%04d' % (epoch+1), "cost=", "{:.9f}".format(avg_cost)
print "Optimization Finished!"
correct_prediction = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))
# Calculate accuracy
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
print "Accuracy:", batch, accuracy.eval({x: test_arrays, y: test_labels})
Должен ли я снова запустить сеанс, чтобы получить прогноз?
вместо «precision.eval», вы можете сделать «session.run» ([точность, предсказание], feed_dict = ...), который одновременно получит оба тензора. См. Http://stackoverflow.com/questions/33610685/in-tensorflow-what-is-the-difference-between-session-run-and-tensor-eval –
Я понимаю ваш комментарий, но как это реализовать с помощью sklearn? Потому что в случае матрицы confusion, i не хочу точности! – nicolasdavid
Но как мы можем нарисовать матрицу путаницы из тензорного потока (correct_prediction и y_Test (метки истинности)), так как я попросил об этом alrady, http: //stackoverflow.com/questions/35792969/how Пожалуйста, помогите –