|
| 真实1 | 真实0 |
| 预测1 | TRUE Positive(TP)真阳性 | FALSE Positive(FP)假阳性 |
| 预测0 | False Negative(FN)假阴性 | True Negative（TN）真阴性 |
查准率（precision），指的是预测值为1且真实值也为1的样本在预测值为1的所有样本中所占的比例。以西瓜问题为例，算法挑出来的西瓜中有多少比例是好西瓜。
召回率（recall），也叫查全率，指的是预测值为1且真实值也为1的样本在真实值为1的所有样本中所占的比例。所有的好西瓜中有多少比例被算法挑了出来。
F1分数（F1-Score），又称为平衡F分数（BalancedScore），它被定义为精确率和召回率的调和平均数。
IOU（Intersection over Union）交并比。计算真实值和预测值集合的交集与并集之比。
计算IOU需要用到的函数，TensorFlow里的是tf.count_nonzero(x)计算张量x里的非零元素个数。Numpy里是np.count_nonzero(x),计算矩阵x里非零元素个数；numpy中np.nonzero()函数，得到数组array零元素的位置（数组索引）的函数。
TP = tf.count_nonzero(y_pred_tf * y_true_tf)
TN = tf.count_nonzero((y_pred_tf - 1) * (y_true_tf - 1)) FP = tf.count_nonzero(y_pred_tf * (y_true_tf - 1)) FN = tf.count_nonzero((y_pred_tf - 1) * y_true_tf) iou= TP / (TP + FP + FN)6、张量操作
tensorflow 计数器 tf.bincount(x) 统计x里每个元素的个数
tf.count_nonzero() 统计x里非零元素的个数
tf.unique_with_counts()
参见：