您如何看待TensorFlow图像分类模型对每个类别的准确度？

Question

我正在浏览tensor flow网站上的图像分类教程：https://www.tensorflow.org/tutorials/images/classification

该模型将花卉分为5类：雏菊、蒲公英、玫瑰、向日葵和郁金香

我可以看出总体准确度是多少，但有没有办法知道每门课的准确度

例如，我的模型可以很好地预测雏菊、蒲公英、玫瑰和向日葵（接近100%的准确率），而郁金香（接近0%）的准确率很差，我认为我仍然可以看到80%的总体准确率（假设各类是平衡的）。我需要知道单个类的准确度，以便将性能与预测所有类的准确度约为80%的模型区分开来

Answer 1

当我问这个问题时，我没有足够的python（或scikit）知识来回答。分类报告（如prashant0598所建议的）接近于我所需要的，尽管它实际上没有准确性。以下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）精确性和召回率，这会有所帮助

为了获得类的准确度，我们必须手动进行更多的操作。这里有一个方法：

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)}

{'daisy': 0.6589147286821705,
'dandelion': 0.75,
'roses': 0.6,
'sunflowers': 0.868421052631579,
'tulips': 0.6942675159235668}

所以现在我知道了，向日葵是最容易预测的，而玫瑰则特别狡猾

Answer 2

您只需在sklearn中使用分类报告就可以做到这一点

参考Documentation