从用于图像分类的预训练 SVM 中获取准确性
Getting Accuracy from a pre trained SVM for image classification
我有一个预训练的图像分类模型，我正在为其提供新图像。我可以得到一个很好的预测，但是我怎样才能得到这个预测的准确性，或者这是否可能呢？以下是我要完成的工作。我检查了 sklearn 但找不到任何相关内容。 img 将为 (80,80) 并将重塑为 (1,6400) 以进行保护。
def f(img):
filename = "SVM_model.sav"
with open(filename, 'rb') as file1:
SV = pickle.load(file1)
p = SV.predict(img)
accuracy = ????
return p and accuracy
要获得准确性，您需要有真实的 class 预测。我认为您更想知道您对预测的信心程度。为此，您可以使用方法 SV.predict_proba(img) 而不是 SV.predict(img)
我有一个预训练的图像分类模型，我正在为其提供新图像。我可以得到一个很好的预测，但是我怎样才能得到这个预测的准确性，或者这是否可能呢？以下是我要完成的工作。我检查了 sklearn 但找不到任何相关内容。 img 将为 (80,80) 并将重塑为 (1,6400) 以进行保护。
def f(img):
filename = "SVM_model.sav"
with open(filename, 'rb') as file1:
SV = pickle.load(file1)
p = SV.predict(img)
accuracy = ????
return p and accuracy
要获得准确性，您需要有真实的 class 预测。我认为您更想知道您对预测的信心程度。为此，您可以使用方法 SV.predict_proba(img) 而不是 SV.predict(img)