文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.nn.ConfusionMatrix

class mindspore.nn.ConfusionMatrix(num_classes, normalize=NO_NORM, threshold=0.5)

Computes the confusion matrix, which is commonly used to evaluate the performance of classification models, including binary classification and multiple classification. It returns an array of shape [BC4], where B is the batch size and C is the number of classes to be calculated, the third dimension represents each channel of each sample in the input batch, .

If you only need confusion matrix, use this class. If you want to calculate other metrics, such as ‘PPV’, ‘TPR’, ‘TNR’, etc., use class ‘mindspore.metrics.ConfusionMatrixMetric’.

Parameters

• num_classes (int) – Number of classes in the dataset.

• normalize (str) –

  Normalization mode for confusion matrix. Choose from:

  • ’no_norm’ (None) - No Normalization is used. Default: None.

  • ’target’ (str) - Normalization based on target value.

  • ’prediction’ (str) - Normalization based on predicted value.

  • ’all’ (str) - Normalization over the whole matrix.

• threshold (float) – The threshold used to compare with the input tensor. Default: 0.5.

Supported Platforms:

Ascend GPU CPU

Examples

>>> import numpy as np
>>> from mindspore import nn, Tensor
>>>
>>> x = Tensor(np.array([1, 0, 1, 0]))
>>> y = Tensor(np.array([1, 0, 0, 1]))
>>> metric = nn.ConfusionMatrix(num_classes=2, normalize='no_norm', threshold=0.5)
>>> metric.clear()
>>> metric.update(x, y)
>>> output = metric.eval()
>>> print(output)
[[1. 1.]
 [1. 1.]]

clear()

Clears the internal evaluation result.

eval()

Computes confusion matrix.

Returns

numpy.ndarray, the computed result.

update(*inputs)

Update state with y_pred and y.

Parameters

inputs – Input y_pred and y. y_pred and y are a Tensor, list or numpy.ndarray. y_pred is the predicted value, y is the true value. The shape of y_pred is $(N,C,...)$ or $(N,...)$. The shape of y is $(N,...)$.

Raises

• ValueError – If the number of inputs is not 2.

• ValueError – If the lengths of candidate_corpus and reference_corpus are not equal.