使用训练数据的 Python 图像分类精度评估答案

【问题标题】：Python image classification accuracy assessment using training data使用训练数据的 Python 图像分类精度评估
【发布时间】：2019-02-07 07:58:16
【问题描述】：

我已经对一张图像进行了分类，并将其对应的像素数据作为数据集输出。我还有一个相同类型的数据集，其样本数量不一致，称为训练数据。我希望使用用户自己创建的训练数据集再次运行分类像素数据的准确性评估。我曾尝试使用 python 脾脏 confusion_matrix 和 accuracy_score 但我的问题是两个数据集（生产者、用户）的大小不同。我可以执行准确性评估来检查我的结果吗？

这是两个数据集，包括它们的大小

代码：

user = pd.read_csv("/Users/chrisradford/Documents/School/Masters/RA/Classifier/Python/Training.csv")
producer = pd.read_csv("/Users/chrisradford/Documents/School/Masters/RA/Classifier/Python/ProducerData.csv")
print("User created training data")
print(user.shape)
print(user.head())
print("producer created data")
print(producer.shape)
print(producer.head())
val = accuracy_score(user, producer)
cnf_matrix = confusion_matrix(producer, user)
print(val)
print(cnf_matrix)

【问题讨论】：

标签： python pandas classification confusion-matrix

【解决方案1】：

据我所知，我发现评估图像分类准确性的最佳方法是通过 K 折交叉验证。可以选择任何 K 值进行交叉验证，但是，我更喜欢 10 的值以确保对测试数据的评估没有偏差且完全随机。因此，当您计算每个 Kth 折叠的交叉验证时，您最终会得到 4 个假阳性、假阴性、真阳性和真阴性的值。之后，可以通过取每个这些值的平均值来构建混淆矩阵。

【讨论】：