基于pytorch的针对五分类问题,混淆矩阵来计算每个种类的准确率 代码
时间: 2024-02-11 17:06:31
浏览: 64
好的,下面是基于 PyTorch 的针对五分类问题使用混淆矩阵计算准确率的代码示例:
```python
import torch
from sklearn.metrics import confusion_matrix
# 假设真实标签为 y_true,预测标签为 y_pred
y_true = torch.tensor([2, 0, 1, 4, 3, 2, 1, 0, 4, 3])
y_pred = torch.tensor([2, 0, 1, 3, 3, 2, 1, 0, 4, 2])
# 将 y_true 和 y_pred 转换为 numpy 数组,并传入 confusion_matrix 函数中,得到混淆矩阵
conf_mat = confusion_matrix(y_true.numpy(), y_pred.numpy())
# 打印混淆矩阵
print(conf_mat)
# 计算每个类别的准确率
accuracies = []
for i in range(conf_mat.shape[0]):
accuracy = conf_mat[i, i] / sum(conf_mat[i, :])
accuracies.append(accuracy)
# 打印每个类别的准确率
print("Accuracies:", accuracies)
其中,`y_true` 是真实的标签,`y_pred` 是模型预测的标签。我们需要将它们转换为 numpy 数组,并传入 `confusion_matrix` 函数中,得到混淆矩阵。在计算每个