摘要：
考虑一个二分类的情况，类别为1和0，我们将1和0分别作为正类（positive）和负类（negative），则实际分类的结果有4种，表格如下（混淆矩阵）： 真实情况 预测结果 正例 反例 正例 TP(真正例) FN（假反例） 反例 FP（假正例） TN（真反例） 敏感性Sensitivity (Se 阅读全文
摘要：
import numpy as np import tensorflow as tf A = [1,3,4,5,6,1,2,3,4,5] B = [1,3,4,3,2,2,2,3,4,3] with tf.Session() as sess: a=sess.run(tf.equal(A, B)) b 阅读全文