Wie bekomme ich Präzision und Rückruf statt Genauigkeit in Tensorflow

Question

Ich sehe Spam Prediction klassifizieren Nachrichten wie Spam und Ham von anderen Personen gemacht.

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

Das Programm erzeugt die folgenden Werte. (Verlust, Genauigkeit)

Veiw Result Screenshot

In diesem Code ist das Ergebnis nur Verlust, Genauigkeit,

Ich denke, Genauigkeit keine Bedeutung hat. Ich brauche Präzision, Recall-Wert (für F1-Messung)

Allerdings funktioniert die My-Code-Analyse nicht richtig, ich kenne Präzision und Recall. Aber ich weiß nicht, wie in diesem Code (Code Einbettung) Precision und Recall zu berechnen.

Answer 1

Ich habe es selbst geschafft, hurray !!

hier ist der Code:

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" 
    ) 
) 

ich Konfusionsmatrix Open Source in Github sah danke @Mistobaan !! https://gist.github.com/Mistobaan/337222ac3acbfc00bdac