Pytorch计算误判率，计算准确率，计算召回率下⾯就说说怎么计算准确率以及误判率、召回率等指标upside down
1.计算正确率颜色英文
获取每批次的预判正确个数
上海三校生高复班train_correct = (pred == batch_y.squeeze(1)).sum()
该语句的意思是 预测的标签与实际标签相等的总数
获取训练集总的预判正确个数
train_acc += train_correct.data[0] #⽤来计算正确率
准确率 ： train_acc / (len(train_data))
2.误判率
主要负责人 英语
举例：当你是⼆分类时，你需要计算 原标签为1，但预测为 0 ，以及 原标签为0，预测为1的 误判率
误判率⼜分为：
CTW : correct to wrong 标签为正确的，预测为错误的
WTC: wrong to correct 标签为错误的，预测为正确的
zes=s(lasize).type(torch.LongTensor))#全0变量
ons=s(lasize).type(torch.LongTensor))#全1变量
青春奉献演讲稿
train_correct01 = ((pred==zes)&(batch_y.squeeze(1)==ons)).sum() #原标签为1，预测为 0 的总数
cancel的意思train_correct10 = ((pred==ons)&(batch_y.squeeze(1)==zes)).sum() #原标签为0，预测为1 的总数
train_correct11 = ((pred_y==ons)&(batch_y.squeeze(1)==ons)).sum()贵阳翻译
train_correct00 = ((pred_y==zes)&(batch_y.squeeze(1)==zes)).sum()teppei
获取训练集总的误判个数
FN += train_correct01.data[0]
FP += train_correct10.data[0]
TP += train_correct11.data[0]初三家长会
TN += train_correct00.data[0]
误判率 ：
(FN+FP)/(len(train_data)) #CTW+WTC
3.精准率和召回率
精准率： P = TP/ (TP+FP)
召回率： R = TP/ (TP+FN)
4.真正例率和假正例率
真正例率：TPR = TP/ (TP+FN)
假正例率：FPR =FP/ (FP+TN)
最后，当你要计算多分类的误判率时，只需在⼆分类的基础上类推即可lateron
