以下是tensor flow网站上的图像分类教程：https://www.tensorflow.org/tutorials/images/classification
该模型将花卉分为5类：雏菊、蒲公英、玫瑰、向日葵和郁金香。
我可以看出总体准确度是多少，但有没有办法知道每门课的准确度？
例如，我的模型可以很好地预测雏菊、蒲公英、玫瑰和向日葵（接近100%的准确率），郁金香（接近0%）很差，我想我仍然会看到80%的整体准确率（假设类是平衡的）。我需要知道单个类的准确度，以便将性能与预测所有类的模型区分为大约相等的80%准确度。
您只需在sklearn中使用分类报告就可以做到这一点。
参考文件
当我问这个问题时，我没有足够的python（或scikit）知识来回答。分类报告（如prashant0598所建议的）接近于我所需要的，尽管它实际上没有准确性。以下是如何使用分类报告：
from sklearn.metrics import classification_report
import pandas as pd
y_pred = model.predict(val_ds)
y_pred = np.argmax(y_pred, axis=1)
y_true = np.concatenate([y for x, y in val_ds], axis=0)
cr = classification_report(y_true, y_pred, output_dict=True, target_names=class_names)
pd.DataFrame.from_dict(cr)
分类报告输出（除其他外）准召，这有助于。
为了得到类的准确性，我们必须更手动地这样做。这里有一个方法：
from sklearn.metrics import accuracy_score
def class_accuracy(class_no):
pred_filter = y_true==class_no
acc = accuracy_score(y_true[pred_filter], y_pred[pred_filter])
return acc
{class_name: class_accuracy(i) for i, class_name in enumerate(class_names)}
{'daisy'：0.6589147286821705，
蒲公英：0.75，
玫瑰：0.6，
向日葵：0.868421052631579，
郁金香：0.6942675159235668}
所以现在我知道了，向日葵是最容易预测的，而玫瑰则特别狡猾！
