Skip to main content
 首页 » 编程设计

python之如何比较预测频率数据与实际频率数据

2024年11月24日9xing901022

我有一种机器学习方法可以对 jpeg 图像中的汽车进行计数。对于每张图片,我都有一个机器学习方法预测的汽车数量和一个基于人类计数的实际汽车数量。这是数据集的样子:

             predicted_cars   real_cars 
Image_1      2                1 
Image_2      6                7 
Image_3      0                0 
Image_4      0                1 
Image_5      0                0 
Image_6      1                1 
... 
Image_5000   4                3 

我最初的想法是使用线性回归,尽管由于该数据集具有离散计数数据,我认为这不合适。此外,由于大多数计数可能为 0,这可能会影响统计数据。

我可以采用什么方法以统计和/或图形方式评估预测的汽车数量与“真实”汽车数量的比较?我正在使用 Python 使用 scikit-learn 和 pandas。

请您参考如下方法:

此处计算结果的准确性非常简单,您可以采用 mean absolute error或 mean squared error例如。您可以在 sklearn.metrics 中找到各种错误指标.

对于结果的可视化表示,一种方法是绘制堆积条形图:

df.plot(kind='bar', stacked=True)