大家好，又见面了，我是你们的朋友全栈君。
代码语言：javascript复制# @file name : test2.py
# @brief : 如何绘制PR曲线
# @author : liupc
# @date : 2021/8/2
import numpy as np
from tqdm import tqdm
import matplotlib.pyplot as plt
#计算汉明距离。有几位不同，距离就为几。
def CalcHammingDist(B1, B2):
q = B2.shape[1]
distH = 0.5 * (q - np.dot(B1, B2.transpose()))
return distH
draw_range = [1,2,3,4,5,6,7]
def pr_curve(rF, qF, rL, qL, draw_range=draw_range):
#rf：galleryBinary
#qF: queryBinary
#rL: galleryLabel。7行3列。
#qL: queryLabel。3行3列。
n_query = qF.shape[0] #多少个查询，3
Gnd = (np.dot(qL, rL.transpose()) > 0).astype(np.float32)
'''
print(Gnd) #是一个3行7列的数组。第一行代表gallery的7个元素是否与query[0]同类；第二行代表gallery的7个元素是否与query[1]同类。。。
[[0. 1. 1. 0. 0. 0. 1.] #gallery[0]与query[0]不同类；gallery[1]与query[0]同类；gallery[2]与query[0]同类；gallery[3]与query[0]不同类。。。
[1. 1. 1. 0. 1. 0. 1.]
[0. 0. 1. 1. 0. 1. 0.]]
'''
Rank = np.argsort(CalcHammingDist(qF, rF)) #是一个3行7列的数组。
'''
print(Rank) #是一个3行7列的数组。
[[3 0 2 5 1 4 6] #gallery的七个元组中，与query[0]最近的元素是gallery[3]，其次是gallery[0]，再次是gallery[2]。。。
[6 1 4 0 2 5 3]
[0 4 2 5 6 1 3]]
'''
P, R = [], []
for k in tqdm(draw_range): #比如k=5
p = np.zeros(n_query) #[0, 0, 0] 分别是query[0]的acc&k, query[1]的acc&k, query[2]的acc&k
r = np.zeros(n_query) #[0, 0, 0] 分别是query[0]的recall&k, query[1]的recall&k, query[2]的recall&k
for it in range(n_query): #比如it=0
gnd = Gnd[it] #[0. 1. 1. 0. 0. 0. 1.]
gnd_all = np.sum(gnd) #3，为了求召回率
if gnd_all == 0: #如果没有对的，那准确率和召回率肯定都是0,不用继续求了
continue
asc_id = Rank[it][:k] #[3 0 2 5 1]
gnd = gnd[asc_id] #[0 0 1 0 1]
gnd_r = np.sum(gnd) #前k个结果中对了2个。
p[it] = gnd_r / k #准确率：2/5
r[it] = gnd_r / gnd_all #召回率：2/3
P.append(np.mean(p))
R.append(np.mean(r))
#绘制PR曲线
plt.plot(R, P, linestyle="-", marker='D', label="DSH")
plt.grid(True)
plt.xlim(0, 1)
plt.ylim(0, 1)
plt.xlabel('recall')
plt.ylabel('precision')
plt.legend() # 加图例
plt.show()
return P, R
if __name__=='__main__':
queryBinary = np.array([[1,-1,1,1],[-1,1,-1,-1],[1,-1,-1,-1]])
galleryBinary = np.array([[ 1,-1,-1,-1],
[-1, 1, 1,-1],
[ 1, 1, 1,-1],
[-1,-1, 1, 1],
[ 1, 1,-1,-1],
[ 1, 1, 1,-1],
[-1, 1,-1,-1]])
queryLabel = np.array([[1,0,0],
[1,1,0],
[0,0,1]], dtype=np.int64)
galleryLabel = np.array([[0,1,0],
[1,1,0],
[1,0,1],
[0,0,1],
[0,1,0],
[0,0,1],
[1,1,0]], dtype=np.int64)
P, R = pr_curve(galleryBinary, queryBinary, galleryLabel, queryLabel)
print(f'Precision Recall Curve data:\n"DSH":[{P},{R}],')发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/149718.html原文链接：https://javaforall.cn