python中topk算法的示例

這篇文章給大家分享的是有關(guān)python中topk算法的示例的內(nèi)容。小編覺(jué)得挺實(shí)用的，因此分享給大家做個(gè)參考，一起跟隨小編過(guò)來(lái)看看吧。

直接看代碼吧！

#! conding:utf-8

def quick_index(array, start, end):
 left, right = start, end
 key = array[left]
 while left < right:
  while left < right and array[right] > key:
   right -= 1
  array[left] = array[right]
  while left < right and array[left] < key:
   left += 1
  array[right] = array[left]

 array[left] = key
 return left


def min_num(array, m):
 start, end = 0, len(array) - 1
 index = quick_index(array, start, end)
 while index != m:
  if index < m:
   index = quick_index(array, index+1, end)
  else:
   index = quick_index(array, start, index)

 print(array[:m])

if __name__ == '__main__':
 alist = [15,54, 26, 93, 17, 77, 31, 44, 55, 20]

 min_num(alist, 5)

補(bǔ)充知識(shí)：python numpy 求top-k accuracy指標(biāo)

top-k acc表示在多分類(lèi)情況下取最高的k類(lèi)得分的label，與真實(shí)值匹配，只要有一個(gè)label match，結(jié)果就是True。

如對(duì)于一個(gè)有5類(lèi)的多分類(lèi)任務(wù)

a_real = 1
a_pred = [0.02, 0.23, 0.35, 0.38, 0.02]

#top-1 
a_pred_label = 3 match = False
#top-3
a_pred_label_list = [1, 2, 3] match = True

對(duì)于top-1 accuracy

sklearn.metrics提供accuracy的方法，能夠直接計(jì)算得分，但是對(duì)于topk-acc就需要自己實(shí)現(xiàn)了：

#5類(lèi)：0，1，2，3，4
import numpy as np
a_real = np.array([[1], [2], [1], [3]])
#用隨機(jī)數(shù)代替分?jǐn)?shù)
random_score = np.random.rand((4,5))
a_pred_score = random_score / random_score.sum(axis=1).reshape(random_score.shape[0], 1)

k = 3 #top-3
#以下是計(jì)算方法
max_k_preds = a_pred_score.argsort(axis=1)[:, -k:][:, ::-1] #得到top-k label
match_array = np.logical_or.reduce(max_k_preds==a_real, axis=1) #得到匹配結(jié)果
topk_acc_score = match_array.sum() / match_array.shape[0]

感謝各位的閱讀！關(guān)于“python中topk算法的示例”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，讓大家可以學(xué)到更多知識(shí)，如果覺(jué)得文章不錯(cuò)，可以把它分享出去讓更多的人看到吧！