腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
文章
问答
(9999+)
视频
沙龙
1
回答
在
Python
中
获取
数组
的
正值
、
TN
、
FP
和
FN
、
、
我
的
数据集结果如下所示 yvalarray([[0, 0, 0, ..., 0, 0, 0], [0[0, 0, 0, ..., 0, 0, 0], [1, 0, 0, ..., 0, 0, 0]]) 预测
的
结果如下所示、
FP
和
FP
我试过了 cm=confusion_matrix(yval, y_pred) 这就产生了这个错误
浏览 13
提问于2020-03-30
得票数 0
回答已采纳
1
回答
Python
中
的
TP、
TN
、
FP
和
FN
数组
、
、
TestArray.shape 我想得到这些
数组
的
TP、
TN
、
FP
和
FN
= cm[1][0]
FP
= cm[0][1]但我得到
的
结果
FN
浏览 5
提问于2020-04-01
得票数 0
回答已采纳
2
回答
如何在Keras
中
实现Sklearn度量?
、
、
、
尝试过谷歌搜索,但找不到如何在keras
中
实现Sklearn度量,比如cohen、roc、f1score作为不平衡数据
的
度量标准。 如何在Keras
中
实现Sklearn度量?
浏览 0
提问于2018-02-01
得票数 2
回答已采纳
2
回答
如何获得混淆矩阵以输出二进制分类
的
一致形状
数组
(2x2)?
、
我正在循环并为我拥有的每个数据集创建
tn
、
fp
、
fn
、tp,对于某些数据集,我预测只有0,所以我只返回tp
的
1x1
数组
,但我仍然希望返回一个2x2矩阵,以便在下面的
python
中
不
获取
ValueError: not enough values to unpack (expected 4, got 1):
tn
,
fp
,
fn
, tp = confusion_matrix(metrics_data[l
浏览 10
提问于2022-02-22
得票数 0
回答已采纳
4
回答
如何计算
Python
中
的
TPR
和
FPR而不使用sklearn?
、
、
、
、
pd.DataFrame(data, columns = ['y', 'prob','y_predict']) print(df) 不使用Sklearn
的
混淆矩阵Numpy
数组
的
TPR
和
FPR没有使用Sklearn,用于绘制ROC。如何在
python
中
做到这一点?
浏览 1
提问于2020-04-20
得票数 2
回答已采纳
1
回答
如何从
Python
中
的
二进制值对计算TP/
TN
/
FP
/
FN
?
我想要编写一个
Python
函数,它在二进制值输入对上(真、预测)根据它们
的
输入返回True正/真负值/假负值/假负值。到目前为止,我已经达到了所需
的
输出: return "TP" return "
FP
"
浏览 8
提问于2022-05-20
得票数 1
回答已采纳
2
回答
从混淆矩阵
数组
中
寻找最佳混淆矩阵
、
、
、
假设我有一个从k次交叉验证
中
得到
的
混乱矩阵
的
numpy
数组
, [ 9, 6]], dtype=int64), array([[39, 4],类似于如何从best_score_
中
获取
GridSearchCV。我
的
想法是获得
TN
、TP、
FN
、
FP
,并对它们进行评估,找出
TN
和
TP最高、
FN
和
<em
浏览 21
提问于2022-02-17
得票数 0
回答已采纳
1
回答
模型
的
灵敏度
和
特异度
、
如果我有一个包含两个类别的图像数据集:正常
和
异常,除了准确性度量之外,我还想添加灵敏度
和
特异性标准。那么,我如何引入这两个指标来计算我
的
模型
的
性能。谢谢
浏览 35
提问于2020-12-23
得票数 0
2
回答
哪种方法最适合计算无关数据集
的
Matthews相关系数(MCC)值?
哪种方法最适合计算无关数据集
的
Matthews相关系数(MCC)值?
浏览 1
提问于2013-05-02
得票数 3
1
回答
有没有一种更优雅
的
方法从两个
数组
中计算布尔值
的
组合?
、
、
我试着尽可能简单地回答这个问题,但我对
Python
并不熟悉,而且逻辑能力也很差,所以我遇到了一些麻烦。基本上,我想知道是否有一种更干净
的
方法来计算两个一维布尔
数组
的
混淆矩阵。,看起来更糟: if p: tp += 1else: else:
fn
+= 1 然后我尝试添加嵌套
的
条件表达式(我相信这些是
Python
的</
浏览 6
提问于2022-09-10
得票数 0
回答已采纳
3
回答
我一直
在
研究基于
python
公式
的
基本计算器。
、
def answers(): rcl = tp/(tp +
fn
) tp = input()
fn
= input() print("enterthe value of false positive"
浏览 6
提问于2021-09-25
得票数 0
回答已采纳
1
回答
带有dask
的
混淆矩阵
从算法
的
角度来看,我
的
实现似乎还不错。然而,当我
在
两个
数组
上运行它时,每个
数组
的
大小都是100万,它永远需要花费时间。 TP=0
FN
=0
浏览 3
提问于2018-08-01
得票数 0
回答已采纳
1
回答
如何在AutoEncoder模型上绘制ROC曲线并进行计算?
、
、
、
测试集
的
最终结果是重建图像。如何绘制ROC曲线并计算AUC?编辑:这是我
的
代码: model.compile(loss='mse', optimizer='adam') sr = 1.0 - sa 其中sr是一个最终
的
结果,包含了我
的</em
浏览 2
提问于2020-01-03
得票数 0
2
回答
Python
:计数TP,
FP
,
FN
и
TN
、
、
我有数据与真实
的
类
和
类,这是由一些算法预测
的
。= 0
FN
= 0 if y_actual[i] == y_hat[i] == 1:0: for i in range(len(y_hat)): <em
浏览 3
提问于2016-09-27
得票数 0
1
回答
在
相同数据或不同数据中进行测试
和
训练
、
、
首先:
在
我得到
的
相同数据
中
训练
和
测试分类器:False negative rate:
FN
/
FN
+TP =
FN
/P= 284/295 = 0.840 Negative Predictive Value:
TN
/
TN
+
FP
= 0.7618 其次:我<
浏览 20
提问于2016-09-03
得票数 0
3
回答
使用dplyr
在
每行(行)中计数或求和特定字符串(字符串)
、
、
、
假设我有这个数据集 X2 = c("TP","TP","
FN
","
FN
"),X3 = c("
TN
","
TN
","
FP
","
浏览 2
提问于2020-08-24
得票数 3
回答已采纳
1
回答
混乱矩阵滑雪板错误?
、
、
、
我用sklearn.metrics.confusion_matrix做了一个测试,看看如果预测
数组
中有一个类不在标签
和
映射
数组
中
,会发生什么。negative\n", "don't\n", "negative\n", "negative\n"]c = cm(a, b, m)
TN
,
FP
,
FN
浏览 0
提问于2019-05-30
得票数 1
回答已采纳
2
回答
写一个以正类为输入
的
混淆矩阵函数
、
、
我有两个列表(预测值
和
实际值),我想把它们
和
一个正类
的
指示器一起输入到一个函数
中
。(predicted, actual, pos_class): TP = 0
FP
= 0
FN
+=1 elif actual[i] != pos_class and predicted[
浏览 49
提问于2021-11-14
得票数 0
回答已采纳
1
回答
如何计算多类分类
的
不同度量
、
、
我
的
混淆矩阵有以下结构:
FN
TP] 如何计算表示为MCC= (TP .*
TN
-
FP
.*
FN
) ./ ... sqrt( (TP +
FP
) .* (TP +
FN
) .* (
TN
+
FP
) .* (
TN
+
浏览 0
提问于2021-01-22
得票数 2
回答已采纳
4
回答
混淆矩阵-确定
FP
和
TN
的
值。
、
、
在运行我
的
代码之后,我得到了准确性、精确性
和
召回率
的
值,并且我不想从这些指标
中
确定
FP
、
FN
、TP
和
TN
的
值。我试着用每一公制
的
公式来计算它,但我做不到。有什么方法可以做到吗?
浏览 0
提问于2019-10-01
得票数 1
回答已采纳
点击加载更多
相关
资讯
理解Scikit-Learn中分类性能度量指标
不管你是不是年薪30W的算法工程师,都要了解的模型评估指标
Python应用程序中获取和输出当前时间的最直接方法
Nature Biotechnology:谷歌利用深度神经网络开发出SNP和small indel变异检测新工具
使用 Python 在 JMeter 中实现循环获取返回值的高效性能测试
热门
标签
更多标签
云服务器
ICP备案
对象存储
即时通信 IM
云直播
活动推荐
运营活动
广告
关闭
领券