Tensorflow Précision / Rappel / F1 score et la Confusion de la matrice

Je voudrais savoir si il existe un moyen de mettre en œuvre les différentes fonction de score à partir de la scikit learn paquet comme celui-ci :

from sklearn.metrics import confusion_matrix
confusion_matrix(y_true, y_pred)

dans un tensorflow modèle pour obtenir la partition différente.

with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess:
init = tf.initialize_all_variables()
sess.run(init)
for epoch in xrange(1):
avg_cost = 0.
total_batch = len(train_arrays) / batch_size
for batch in range(total_batch):
train_step.run(feed_dict = {x: train_arrays, y: train_labels})
avg_cost += sess.run(cost, feed_dict={x: train_arrays, y: train_labels})/total_batch
if epoch % display_step == 0:
print "Epoch:", '%04d' % (epoch+1), "cost=", "{:.9f}".format(avg_cost)
print "Optimization Finished!"
correct_prediction = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))
# Calculate accuracy
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
print "Accuracy:", batch, accuracy.eval({x: test_arrays, y: test_labels})

Vais-je avoir à exécuter de nouveau la session pour obtenir la prédiction ?

  • au lieu de "l'exactitude.eval", vous pouvez le faire "session.exécuter([exactitude, la prédiction], feed_dict=...), qui vous permettra d'obtenir les deux tenseurs en même temps. Voir stackoverflow.com/questions/33610685/...
  • Je comprends votre commentaire, mais comment puis-je mettre en œuvre des ce avec sklearn ? Parce que dans la matrice de confusion cas, je ne veux pas l'exactitude !
  • Mais comment pouvons-nous tirer d'une confusion de la matrice de tensorflow (correct_prediction et y_Test(la vérité étiquettes)) comme je l'ai alrady demandé ici,..stackoverflow.com/questions/35792969/.... s'il vous Plaît aider
  • Cette Question s'est également semblable à celui-ci avec plus détaillée de la solution: stackoverflow.com/questions/35756710/...
InformationsquelleAutor nicolasdavid | 2016-02-12