您如何看待图像分类模型对于每个类的TensorFlow的精确性？

Question

我正在关注张量流网站上的图像分类教程：https://www.tensorflow.org/tutorials/images/classification

该模型将花朵分为五类:雏菊、蒲公英、玫瑰、向日葵和郁金香。

我能看到总体的准确性，但是有什么方法可以知道每一节课的精确程度吗？

例如，我的模型可以非常好地预测蒲公英、蒲公英、玫瑰和向日葵(接近100%的准确率)，而郁金香的预测精度很差(接近0%)，我认为我仍然可以看到80%的总体准确率(假设类别是平衡的)。我需要知道各个类的准确性，以便将这种性能与预测所有类的大约80%准确率的模型区分开来。

Answer 1

当我问这个问题时，我没有足够的知识来回答。分类报告(如prashant0598所建议的)接近我所需要的，尽管它实际上没有精确性。下面是如何使用分类报告：

from sklearn.metrics import classification_report
import pandas as pd

y_pred = model.predict(val_ds)
y_pred = np.argmax(y_pred, axis=1)

y_true = np.concatenate([y for x, y in val_ds], axis=0)

cr = classification_report(y_true, y_pred, output_dict=True, target_names=class_names)
pd.DataFrame.from_dict(cr)

分类报告输出(除其他外)精确性和召回，这是有帮助的。

为了获得类的精确性，我们需要更多的手工操作。有一种方法：

from sklearn.metrics import accuracy_score

def class_accuracy(class_no):
  pred_filter = y_true==class_no
  acc = accuracy_score(y_true[pred_filter], y_pred[pred_filter])
  return acc

{class_name: class_accuracy(i) for i, class_name in enumerate(class_names)}

{“雏菊”：0.6589147286821705， 蒲公英: 0.75， ‘玫瑰’：0.6分， 向日葵: 0.868421052631579， 郁金香: 0.6942675159235668}

所以现在我知道了，向日葵是最容易预测的，而玫瑰是特别棘手的！

Answer 2

您可以简单地通过在sklearn中使用分类报告来做到这一点。

参考文档