質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.44%
PyTorch

PyTorchは、オープンソースのPython向けの機械学習ライブラリ。Facebookの人工知能研究グループが開発を主導しています。強力なGPUサポートを備えたテンソル計算、テープベースの自動微分による柔軟なニューラルネットワークの記述が可能です。

Q&A

0回答

302閲覧

初心者です。pytorchで作成したAI モデルの感度特異度を算出したいがやり方がわからない

emasa

総合スコア0

PyTorch

PyTorchは、オープンソースのPython向けの機械学習ライブラリ。Facebookの人工知能研究グループが開発を主導しています。強力なGPUサポートを備えたテンソル計算、テープベースの自動微分による柔軟なニューラルネットワークの記述が可能です。

0グッド

1クリップ

投稿2023/05/18 05:52

編集2023/05/18 06:45

実現したいこと

作成したモデルの感度特異度を算出したい

前提

pytorch勉強中の初心者です。
簡単な予測モデルを作りました。accuracyの計算はなんとかできたのですが、感度特異度の計算方法が調べてもよくわかりません。

発生している問題・エラーメッセージ

インターネットで以下のライブラリから混合行列がだせるとかいてあったのでやってみたのですが、エラーを出してしまいます。
from sklearn.metrics import confusion_matrix
confusion_matrix(t, y_label)

エラーメッセージ ```TypeError: can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first. ### 該当のソースコード ```python ソースコード import torch import torch.nn as nn import torch.nn.functional as F import torch.utils.data as data_utils import numpy as np import torchvision import torchvision.transforms as transforms import pandas as pd df = pd.read_csv('parameter.csv') print(df.info()) x = torch.FloatTensor(df.drop('h', axis=1).values) y = torch.LongTensor(df['h'].values) type(x),type(y) dataset = torch.utils.data.TensorDataset(x, y) dataset[0] n_train = int(len(dataset)*0.6) n_val = int(len(dataset)*0.2) n_test = len(dataset) - n_train - n_val train, val, test = torch.utils.data.random_split(dataset,[n_train, n_val, n_test]) len(train), len(val), len(test) #ミニバッチ学習 batch_size = 10 train_loader = torch.utils.data.DataLoader(train, batch_size, shuffle=True, drop_last=True) val_loader = torch.utils.data.DataLoader(val, batch_size) test_loader = torch.utils.data.DataLoader(test, batch_size) #ネットワークを定義する class Net(nn.Module): def __init__(self): super().__init__() self.fc1 = nn.Linear(27,27) self.fc2 = nn.Linear(27,2) #順伝播 def forward(self, x): h = self.fc1(x) h = F.relu(h) h = self.fc2(x) return h #ネットワークをインスタンス化 net = Net() net #最適化手法                  学習係数 optimizer = torch.optim.SGD(net.parameters(), lr=0.1) batch = next(iter(train_loader)) x, t = batch x,t y=net.forward(x) #予測値の算出 y loss = F.cross_entropy(y,t) loss loss.backward()#勾配の算出 #パラメーターの更新 optimizer.step() torch.cuda.is_available() device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu') net.to(device) x = x.to(device) t = t.to(device) #勾配情報の初期化 optimizer.zero_grad() #エポック数 max_epoch = 10 #モデルのインスタンス化とデバイスへの転送 net = Net().to(device) #最適化手法 optimizer = torch.optim.SGD(net.parameters(), lr=0.1) #学習のループ for epoch in range(max_epoch): for batch in train_loader: x, t = batch x = x.to(device) t = t.to(device) y = net(x) loss = F.cross_entropy(y, t) optimizer.zero_grad() loss.backward() optimizer.step() x, t = next(iter(train_loader)) x = x.to(device) t = t.to(device) y = net(x) y y_label = torch.argmax(y, dim=1) y_label (y_label == t).sum().float() #正解率を計算する関数 def calc_accuracy(data_loader): with torch.no_grad(): total = 0 correct =0.0 for batch in data_loader: x, t = batch x = x.to(device) t = t.to(device) y = net(x) y_label = torch.argmax(y, dim=1) total += len(t) correct += (y_label == t).sum() #全体の平均を算出 accuracy = correct / total return accuracy net.eval() **from sklearn.metrics import confusion_matrix confusion_matrix(t, y_label)** calc_accuracy(val_loader) #評価データの正解率 calc_accuracy(test_loader)#テストデータの正解率 calc_sensitivity(test_loader)

試したこと

関数を直せば計算できるらしいが、条件がわからず困っている。

def calc_sensitivity(data_loader): with torch.no_grad(): total = 0 correct =0.0 for batch in data_loader: x, t = batch x = x.to(device) t = t.to(device) y = net(x) y_label = torch.argmax(y, dim=1) Positive += (t ==1).sum True_positive +=  **#ここがどのような条件式でできるのかわからない** #感度を算出 sensitivity = True_positive / Positive return sensitivity``` ### 補足情報(FW/ツールのバージョンなど) ここにより詳細な情報を記載してください。

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだ回答がついていません

会員登録して回答してみよう

アカウントをお持ちの方は

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.44%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問