Recall¶
召回率 Recall（也称为敏感度）是指得到的相关实例数占相关实例总数的比例。该类管理二分类任务的召回率。
相关链接：https://en.wikipedia.org/wiki/Precision_and_recall
这个 metric 只能用来评估二分类。
参数¶
name (str，可选) – metric 实例的名字，默认是'recall'。
代码示例 1¶
独立使用示例
>>> import numpy as np
>>> import paddle
>>> x = np.array([0.1, 0.5, 0.6, 0.7])
>>> y = np.array([1, 0, 1, 1])
>>> m = paddle.metric.Recall()
>>> m.update(x, y)
>>> res = m.accumulate()
>>> print(res)
0.6666666666666666
代码示例 2¶
在 Model API 中的示例
>>> import numpy as np
>>> import paddle
>>> import paddle.nn as nn
>>> class Data(paddle.io.Dataset):
... def __init__(self):
... super().__init__()
... self.n = 1024
... self.x = np.random.randn(self.n, 10).astype('float32')
... self.y = np.random.randint(2, size=(self.n, 1)).astype('float32')
...
... def __getitem__(self, idx):
... return self.x[idx], self.y[idx]
...
... def __len__(self):
... return self.n
...
>>> model = paddle.Model(nn.Sequential(
... nn.Linear(10, 1),
... nn.Sigmoid()
... ))
>>> optim = paddle.optimizer.Adam(
... learning_rate=0.001, parameters=model.parameters())
>>> model.prepare(
... optim,
... loss=nn.BCELoss(),
... metrics=[paddle.metric.Precision(), paddle.metric.Recall()])
...
>>> data = Data()
>>> model.fit(data, batch_size=16)