文件名称：Evaluation-Metrics-Package-Tensorflow-PyTorch-Keras
文件大小：2.5MB
文件格式：ZIP
更新时间：2024-04-07 23:54:28
机器学习评估指标包Tensorflow-PyTorch-Keras 一个项目的重要方面是测试机器学习算法。如果使用索引进行评估，则该模型可以提供令人满意的结果。但是，如果根据其他指标（例如对数损失或其他类似指标）进行评估，则结果可能会很差。通常，我们使用分类精度来计算模型的效率，但不足以真正评估模型。在此仓库中，涵盖了用于不同类型的模型/应用程序的各种形式的度量。 分类 分类精度 混淆矩阵 精确度和召回率 F测度 接收器工作特性（ROC） 曲线下面积（AUC） 精确召回曲线 分割 联盟交叉口（IOU） 骰子系数 像素精度 精确度和召回率 混淆矩阵 接收器工作特性（ROC） 曲线下面积（AUC） 物体检测 平均精度（帕斯卡） 平均精度（COCO） 混淆矩阵 PR曲线 必要进口 # for creating custom metrics import numpy as np # for plo
【文件预览】：
Evaluation-Metrics-Package-Tensorflow-PyTorch-Keras-main
----LICENSE(11KB)
----README.md(37KB)
----screens()
--------img17.png(4KB)
--------img1.png(8KB)
--------img10.png(3KB)
--------img12.png(52KB)
--------img7.png(6KB)
--------img20.png(4KB)
--------img3.png(4KB)
--------cm.png(228KB)
--------img16.png(31KB)
--------img4.png(7KB)
--------img19.png(184KB)
--------img11.png(41KB)
--------img13.png(58KB)
--------img5.png(17KB)
--------img8.png(11KB)
--------img9.png(5KB)
--------img21.png(6KB)
--------img18.png(1.79MB)
--------img15.png(28KB)
--------img2.png(4KB)
--------img6.png(37KB)
--------img14.png(19KB)