計算王數據庫的精度和召回率

我在MATLAB中製作了一個CBIR系統，並使用相似性度量作爲歐氏距離。使用此爲每個查詢圖像我檢索前20名圖像。計算王數據庫的精度和召回率

我用WANG Dataset來測試我的系統。
它包含10個類（如非洲人，公交車，玫瑰等），每個包含100個圖像（共1000張圖像）。我使用相關圖，共現矩陣（CCM）和像素掃描模式（DBPSP）之間的區別來構建我的矢量（分別爲64 + 196 + 28 = 288尺寸）。

1000 db圖像的每一個我都事先構建了它的向量。
現在查詢圖像來了，我也構造它的矢量（再次228維）。
我使用歐幾里德距離來進行相似性處理，並按照其歐幾里德距離的降序對db圖像向量進行排序。
顯示前20條結果。
在那20我可以有TP或FP。

對於單個查詢圖像，我可以很容易地計算出精確度和召回，並使用該link情節PR-曲線。

我該怎麼做全班同班同學？

我的方法：對於屬於A類的每幅圖像，找到前20幅圖像，它分別是TP（真正的正片）和FP（假正片）。

 TP FP 

Image1 17 3 
Image2 15 5 
... 
... 
Image100 10 10 
Total 1500 500

類的精密A = 1500 /（2000）= 0.75（是不是？）
召回一類--->的滯留??
PR曲線---->卡住??有些鏈接說我需要一個分類器，有些則不是......我真的很困惑。

來源

2015-04-22 CoderBoy

您是否有混淆矩陣，或者您只有TP/FP？ – krisdestruction

只有TP和FP。如果圖像屬於正確的類別，則在20張圖像中，我將TP增加1，如果不是，則將FP增加1。如何檢查圖像的類別是否正確非常簡單，因爲A類圖像的範圍是0-99，然後B類的範圍是100-199，依此類推。所以一個簡單的if-else循環給了我答案。 – CoderBoy

gahh好吧我的解決方案不會工作然後:( – krisdestruction

所以，正如你所說，你可以計算精度如下。

P = TP ./ (TP + FP);

但是，您需要具有FN或計算召回總失敗次數。由於discussed in chat，你需要找到一種方法來確定你的FN和FP數據。然後你可以使用下面的公式來計算召回。

R = TP ./ (TP + FN)

如果有混淆矩陣或數據，你可以使用我的自定義confusionmat2f1.m計算精度，召回，和F1值。這假定混淆矩陣被格式化爲Matlab defines it。每行的解釋都是內聯的。請讓我知道，如果你想更多的澄清。

function [F,P,R] = confusionmat2f1(C) 
    %% confusionmat2f1(C) 
    % 
    % Inputs 
    % C - Confusion Matrix 
    % 
    % Outputs 
    % F - F1 score column vector 
    % P - Precision column vector 
    % R - Recall column vector 

    %% 

    % Confusion Matrix to Probability 
    M = sum(C, 3); 

    % Calculate Precision 
    P = diag(M) ./ sum(M,1)'; 

    % Calculate Recall 
    R = diag(M) ./ sum(M,2); 

    % Calculate F1 Score 
    F = f1(P, R);

來源

2015-04-22 23:59:05 krisdestruction

如何計算FN和TN？我能做的唯一操作是拍攝一幅圖像，然後查找20幅圖像中的前20幅圖像，如果圖像屬於正確的類別，則將TP增加1，如果不是，則增加FP 如果不使用分類器，我不能做到這一點嗎？如果不是，您可以建議一些內置的MATLAB？ – CoderBoy

對於FN，那些被分類爲no，但實際上是yes的，對於TN，這些是那些被歸類爲否，並且實際上是否定的。你需要6個變量中的4個（TN，FN，TP，FP，總真，總假）來計算精度和召回。您需要重寫代碼來解釋其中一個變量，但我建議您改爲創建一個混淆矩陣。它使分析更容易:) – krisdestruction

這也不難。只要你知道這些類被歸類爲什麼，以及基本事實（它應該是什麼），你可以將它提供給'confusionmat'函數。 – krisdestruction

計算王數據庫的精度和召回率

回答

相關問題