如何在Tensorflow中獲得精度和召回率而不是准確性

Question

我看到“垃圾郵件預測”將郵件分類為其他人發送的垃圾郵件和火腿。

[源代碼] https://github.com/nfmcclure/tensorflow_cookbook/blob/master/09_Recurrent_Neural_Networks/02_Implementing_RNN_for_Spam_Prediction/02_implementing_rnn.py

程序產生以下值。 （損失，准確性）

Veiw結果截圖

在這段代碼中，結果只是損失，准確性，

我認為准確性沒有意義。 我需要精確度，查全率值（用於F1度量）

但是，由於我的代碼分析無法正常工作，因此我知道Precision和Recall。 但是我不知道如何在此代碼中計算（代碼嵌入）Precision和Recall。

Answer 1

我自己成功了，萬歲！

這是代碼：

actuals = tf.cast(y_output, tf.int64)
predictions = tf.argmax(logits_out, 1)

ones_like_actuals = tf.ones_like(actuals)
zeros_like_actuals = tf.zeros_like(actuals)
ones_like_predictions = tf.ones_like(predictions)
zeros_like_predictions = tf.zeros_like(predictions)

tp_op = tf.reduce_sum(
    tf.cast(
      tf.logical_and(
        tf.equal(actuals, ones_like_actuals), 
        tf.equal(predictions, ones_like_predictions)
      ), 
      "float"
    )
)

tn_op = tf.reduce_sum(
    tf.cast(
      tf.logical_and(
        tf.equal(actuals, zeros_like_actuals), 
        tf.equal(predictions, zeros_like_predictions)
      ), 
      "float"
    )
)

fp_op = tf.reduce_sum(
    tf.cast(
      tf.logical_and(
        tf.equal(actuals, zeros_like_actuals), 
        tf.equal(predictions, ones_like_predictions)
      ), 
      "float"
    )
)

fn_op = tf.reduce_sum(
    tf.cast(
      tf.logical_and(
        tf.equal(actuals, ones_like_actuals), 
        tf.equal(predictions, zeros_like_predictions)
      ), 
      "float"
    )
)

我在github中看到了混淆矩陣開源謝謝@Mistobaan !! https://gist.github.com/Mistobaan/337222ac3acbfc00bdac