深度学习评价指标代码
时间: 2023-08-15 19:09:09 浏览: 72
在深度学习模型评价中,常用的指标包括准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F1值(F1-score)、AUC(Area Under Curve)等。以下是示例代码,用于计算这些评价指标:
```python
import numpy as np
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score, roc_auc_score
# 预测结果和真实标签
y_pred = np.array([1, 0, 1, 1, 0])
y_true = np.array([1, 1, 0, 1, 0])
# 准确率
accuracy = accuracy_score(y_true, y_pred)
print("准确率:", accuracy)
# 精确率
precision = precision_score(y_true, y_pred)
print("精确率:", precision)
# 召回率
recall = recall_score(y_true, y_pred)
print("召回率:", recall)
# F1值
f1 = f1_score(y_true, y_pred)
print("F1值:", f1)
# AUC
auc = roc_auc_score(y_true, y_pred)
print("AUC:", auc)
```
以上代码使用了Scikit-learn库进行评价指标的计算。你可以将模型的预测结果(y_pred)和真实标签(y_true)替换为你的实际数据,然后运行代码即可得到相应的评价指标数值。