一、分类模型的指标
TP
TN
FP
FN
Recall
Precision
FPR
TPR
计算Precision与recall的库函数：metrics.precision_recall_curve(),示例如下：
计算fpr&&tpr的库函数：metrics.roc_curve()，该函数某然正样本的label为1且score越大越接近于正样本，示例如下：
from sklearn import metrics
ls_label=[]
ls_score=[]
for i in ls:
jpgName=i.split(" ")[0].split("/")[-1]
label=dic_label[jpgName]
if label == "mask_no":
ls_label.append(1)
else:
ls_label.append(0)
score=float(i.strip().split(" ")[2])
ls_score.append(score)
label=np.array(ls_label)
score=np.array(ls_score)
fpr, tpr, thresholds = metrics.roc_curve(label, score)
precision, recall, thresholds = metrics.precision_recall_curve(label, score)
二、检测模型的指标【详见：目
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/bian-cheng-ji-chu/107250.html