我有 predicted_y 和 real_y。

有没有比以下方法更快的获取准确率的方式：

from keras import backend as Kaccuracy_array = K.eval(keras.metrics.categorical_accuracy(real_y, predicted_y))print(sum(accuracy_array)/len(accuracy_array))

回答：

正如我在评论中提到的，我建议您使用 scikit-learn 来达到您的目的。

示例 1：

from sklearn import metricsresults = metrics.accuracy_score(real_y, predicted_y)

您还可以获取包括 precision、recall、f1-scores 的分类报告。

示例 2：

from sklearn.metrics import classification_reporty_true = [0, 1, 2, 2, 2]y_pred = [0, 0, 2, 2, 1]target_names = ['class 0', 'class 1', 'class 2']print(classification_report(y_true, y_pred, target_names=target_names))                precision    recall  f1-score   support    class 0       0.50      1.00      0.67         1    class 1       0.00      0.00      0.00         1    class 2       1.00      0.67      0.80         3avg / total       0.70      0.60      0.61         5

最后，对于混淆矩阵，请使用以下方法：

示例 3：

from sklearn.metrics import confusion_matrixy_true = [0, 1, 2, 2, 2]y_pred = [0, 0, 2, 2, 1]confusion_matrix(y_true, y_pred)array([[1, 0, 0],       [1, 0, 0],       [0, 1, 2]])