python实现图像二分类精准率（numpy）

$$python实现图像二分类精准率（numpy）$$

精确率也叫查准率，即正确预测为正的占全部预测为正的比例，注重模型检测的准不准

---

背景：二分类问题

---

一 了解TP、TN、FP、FN（表示样本的性质和数量）

TP:真的正例

真实值是positive，模型认为是positive的数量(True Positive=TP)

TN:真的负例

真实值是negative，模型认为是negative的数量(True Negative=TN)

FP:假的正例

真实值是negative，模型认为是positive的数量(False Positive=FP)

FN:假的负例

真实值是positive，模型认为是negative的数量(False Negative=FN)

二 确定输出和标签

y_true =[0,0,0,0,0,1,1,1,1,1]
y_pred =[1,0,0,0,1,0,1,1,0,0]
1
2

三 对应组合

for i in range(len(y_pred)):
  list_pred_label.append([y_pred[i],y_true[i]])
1
2

四 初始化混淆矩阵

classes_num = 2
confusion_matrix = np.zeros((classes_num,classes_num))
confusion_matrix
1
2
3

五 赋值混淆矩阵（计算混淆矩阵思路：同时遍历所有pred和label,发现属于混淆矩阵哪一个位置，哪一个位置就+1）

for i in list_pred_label:
  confusion_matrix[i[0],i[1]] += 1
1
2

confusion_matrix
1

import pandas as pd
data = pd.DataFrame(confusion_matrix, columns=["0_label", "1_label"], index=["0_pred", "1_pred"])

data
1
2
3
4

六 得到TP、TN、FP、FN

根据公式得到精准率：（label为正，预测也为正的）实际预测对的样本数量，除以，所有模型预测为正的样本数量，得到的比例

模型预测为正的部分的正确率

prec = 2/5 = 0.4 # 即40%
1