Machine learning Keras中示例暹罗网络的准确度和错误率

我一直在遵循这个示例，我想知道这个精度函数到底是如何工作的：

def compute_accuracy(y_true, y_pred):
'''Compute classification accuracy with a fixed threshold on distances.
'''
    pred = y_pred.ravel() < 0.5
    return np.mean(pred == y_true)

def计算精度（y_真，y_pred）：
''使用固定的距离阈值计算分类精度。
'''
pred=y_pred.ravel（）<0.5
返回np.mean（pred==y_true）

---

据我所知，在这种情况下，网络的输出是两对之间的距离。那么，在这种情况下，我们如何计算准确度呢？“0.5”阈值指的是什么？此外，如何计算错误率？

在对该示例的理解上似乎存在一些空白，需要首先填补：

如果您研究了数据准备步骤（即

create_pairs

方法），您会发现阳性对（即属于同一类别的样本对）被分配了一个标签1（即阳性/真），阴性对（即属于不同类别的样本对）被分配了一个标签0（即阴性/假）.

此外，示例中的暹罗网络设计为，给定一对样本作为输入，它将预测其作为输出的距离。通过使用对比损失作为模型的损失函数，对模型进行训练，使得给定一个正对作为输入，预测较小的距离值（因为它们属于同一类，因此它们的距离应该较低，即传递相似性），并给定一个负对作为输入，预测较大的距离值（因为它们属于不同的类别，因此它们之间的距离应该很高，即为了表达不同）。作为练习，尝试通过在代码中使用对比损失定义对这些点进行数值考虑（即当

y_-true

为1，当

y_-true

为0）来确认这些点

因此，实施该示例中的精度函数使得对预测的距离值应用固定的任意阈值，即0.5，即

y_pred

（这意味着本示例的作者已确定小于0.5的距离值表示正对；您可以决定使用另一个阈值，但这应该是基于实验/经验的合理选择）。然后将结果与真实标签值进行比较，即

y\u true

：

• 当

  y_pred

  小于0.5时（

  y_pred<0.5

  将等于

  True

  ）：如果

  y_True

  为1（即正），则这意味着网络的预测与真标签一致（即

  True==1

  等于

  True

  ）因此，此样本的预测将计入正确预测（即准确性）。但是，如果

  y_true

  为0（即负值），则此样本的预测不正确（即

  true==0

  等于

  False

  ），因此这将不会有助于正确的预测

• 当

  y_pred

  等于或大于0.5时（

  y_pred<0.5

  将等于

  False

  ）：上述推理同样适用（留作练习！）

（注意：别忘了模型是在成批样本上训练的。因此，

y_pred

或

y_true

不是一个单一的值；相反，它们是值的数组，上面提到的所有计算/比较都是按元素应用的）

让我们看一个（假想的）数字示例，该示例是关于5个样本对的输入批次，以及如何计算该批次模型预测的精度：

>>> y_pred = np.array([1.5, 0.7, 0.1, 0.3, 3.2])
>>> y_true = np.array([1, 0, 0, 1, 0])

>>> pred = y_pred < 0.5
>>> pred
array([False, False,  True,  True, False])

>>> result = pred == y_true
>>> result
array([False,  True, False,  True,  True])

>>> accuracy = np.mean(result)
>>> accuracy
0.6

>>y_pred=np.数组（[1.5,0.7,0.1,0.3,3.2]）
>>>y_true=np.array（[1,0,0,1,0]）
>>>pred=y_pred<0.5
>>>pred
数组（[False，False，True，True，False]）
>>>结果=pred==y\u真
>>>结果
数组（[False，True，False，True，True]）
>>>准确度=np.平均值（结果）
>>>准确度
0.6

我正在使用此函数计算精度。我的方法正确吗？pred=y_pred.ravel（）@atherabadullati如果是，这也是计算精度的正确方法。

sklearn.metrics.accurity_score（y_true，pred）

与

np.mean（pred==y_true）完全相同

。我真的很感激。我现在正在研究如何定义我想到的使用ROC的精度阈值，但问题是，在将预测的标签传递给ROC之前，我仍然必须定义一个阈值：pred=y_pred.ravel（）@Athelabullatif我认为你应该在实验中找到它，即尝试不同的阈值，看看哪一个对验证/测试数据最有效。