- Activation
- Derivative
- Loss
- LossGradient
- RegressionMetric
- ConfusionMatrix
- ConfusionMatrixMultilabel
- ClassificationMetric
- ClassificationScore
- PrecisionRecall
- ReceiverOperatingCharacteristic
PrecisionRecall
값들을 계산하여 정밀도-재현율 곡선(precision-recall curve)을 구성합니다. ClassificationScore와 마찬가지로 이 메서드는 참값의 벡터에 적용됩니다.
bool vector::PrecisionRecall(
|
매개 변수
pred_scores
[in] 각 클래스에 대한 확률이 포함된 수평 벡터의 집합을 포함하는 행렬. 행렬 행의 수는 실제 값으로 구성된 벡터의 크기와 일치해야 합니다.
mode
[in] ENUM_AVERAGE_MODE 열거의 평균화 모드. AVERAGE_NONE, AVERAGE_BINARY 및 AVERAGE_MICRO만 사용됩니다.
precision
[out] 계산된 정밀도 곡선 값이 포함된 행렬입니다. 평균화가 적용되지 않은 경우(AVERAGE_NONE) 행렬의 행 수는 모델의 클래스의 수에 해당합니다. 열 수는 참값 벡터의 크기(또는 확률 분포 행렬 pred_score의 행 수)에 해당합니다. 미세 평균화의 경우 행렬의 행 수는 중복을 제외한 임계값의 총 수에 해당합니다.
recall
[out]계산된 재현율 곡선 값이 포함된 행렬 .
threshold
[out] 확률 행렬을 정렬하여 얻은 임계 행렬
참조
ClassificationScore 메서드에 대한 참고 사항을 참조하세요.
예시
mnist.onnx 모델에서 통계를 수집하는 예(정확도 99%)
//--- 분류 측정항목 데이터
//--- 입력-출력
//--- 테스팅
//--- 데이터 수집
|
vectorf accuracy=y_pred.ClassificationMetric(y_true,CLASSIFICATION_ACCURACY);
|
정밀도 값이 y축에 표시되고 재현율 값이 x축에 표시되는 정밀도-재현율 그래프를 그리는 예입니다. 또한 정밀도 및 재현율 그래프는 x축에 임계값이 표시되어 별도로 표시됩니다.
if(y_true.PrecisionRecall(y_scores,AVERAGE_MICRO,mat_precision,mat_recall,mat_thres))
|
결과 곡선: