SHARE
TWEET

32 model evaluation

ivan-zykov95 Mar 17th, 2019 (edited) 86 Never
Not a member of Pastebin yet? Sign Up, it unlocks many cool features!
  1. ## Old model with old images
  2.  
  3. ========================Evaluation Metrics========================
  4.  # of classes:    24
  5.  Accuracy:        0.8812
  6.  Precision:       0.8778
  7.  Recall:          0.8805
  8.  F1 Score:        0.8776
  9. Precision, recall & F1: macro-averaged (equally weighted avg. of 24 classes)
  10.  
  11.  
  12. =========================Confusion Matrix=========================
  13.    0   1   2   3   4   5   6   7   8   9  10  11  12  13  14  15  16  17  18  19  20  21  22  23
  14. -------------------------------------------------------------------------------------------------
  15.  185   0   1   0   0   0   7   2   0   0   0   1   3   6   0   0   0   6   3   0   0   0   0   0 | 0 = 0
  16.    0 204   5   0   2   4   1   0   0   0   0   0   0   0   2   0   0   0   0   1   1   0   0   0 | 1 = 1
  17.    2   0 216   0   1   0   0   0   0   0   1   1   0  13   0   1   0   1   0   0   0   0   1   1 | 2 = 2
  18.    0   0   0 198   0   0   0   0   2   1   0   1   0   4   0   0   1   0   0   3   4   0   0   0 | 3 = 3
  19.    3   0   2   1 195   0   0   0   0   0   0   1   1   9   0   0   0   0   0   0   0   0   0   3 | 4 = 4
  20.    0   1   1   0   2 195   0   0   2   0   3   0   0   0   0   0   0   0   0   0   0   5   0   0 | 5 = 5
  21.    1   0   0   0   0   1 173  31   0   0   2   0   0   1   3   0   0   0   2   0   0   0   1   0 | 6 = 6
  22.   11   1   1   0   1   0  14 227   0  11   1   0   0   0   4   0   0   0   0   0   0   0   0   2 | 7 = 7
  23.    0   0   2   7   0   2   0   0 177   1   4   0   0   1   0   0   0   3   1   0   1   1   6   5 | 8 = 8
  24.    0   1   0   3   0   0   0   0   2 109   0   0   0   0   3   0   4   1   1   2   0   2   2   0 | 9 = 9
  25.    1   0   0   1   1   0   2   0   0   1 217   0   0   0   0   0   0   0   0   0   0   0   0   1 | 10 = 10
  26.    0   0   1   0   0   0   0   0   0   0   0 199   1   4   0   0   0  12   1   0   0   0   1   0 | 11 = 11
  27.    0   1   1   0   0   0   0   0   0   0   0  20 182   4   0   1   0   2   4   0   0   0   2   0 | 12 = 12
  28.    0   0   6   2   2   0   0   0   0   0   0   3   2 187   1   2   0   5   3   0   0   0   0   0 | 13 = 13
  29.    0   0   0   1   0   0   0   2   0   0   0   0   0   2 206  11   0   1   2   0   0   0   1   2 | 14 = 14
  30.    0   0   1   0   1   0   0   0   1   0   1   0   0   3  16 191   0   0   0   0   0   0   1   0 | 15 = 15
  31.    0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0  70   0   0   4   1   0   3   0 | 16 = 16
  32.    3   2   0   0   3   0   0   0   0   0   0  10   1   9   0   0   0 187   9   0   0   0   0   2 | 17 = 17
  33.    0   0   0   0   0   0   0   1   0   0   0   6  17   2   1   0   0  17 166   0   0   0   0   0 | 18 = 18
  34.    0   1   0   1   0   1   0   0   0   2   1   0   0   0   0   0  19   0   0 175   7   4   2   0 | 19 = 19
  35.    0   0   0   2   3   1   0   0   0   2   1   0   0   0   3   0   8   0   0  17 181   3   1   0 | 20 = 20
  36.    0   1   0   0   1   1   0   0   0   0   0   0   0   0   0   0   0   0   0   4   4 249   0   0 | 21 = 21
  37.    0   0   0   1   0   1   0   0   0   1   2   0   1   0   4   0   2   0   1   1   0   0 207   0 | 22 = 22
  38.    2   0   0   0   0   0   0   2   2   0   0   1   0   1   7   1   0   0   0   0   0   0   1 198 | 23 = 23
  39.  
  40. Confusion matrix format: Actual (rowClass) predicted as (columnClass) N times
  41. ==================================================================
  42.  
  43. ## New model with old images
  44.  
  45. ========================Evaluation Metrics========================
  46.  # of classes:    24
  47.  Accuracy:        0.8694
  48.  Precision:       0.8713
  49.  Recall:          0.8667
  50.  F1 Score:        0.8668
  51. Precision, recall & F1: macro-averaged (equally weighted avg. of 24 classes)
  52.  
  53.  
  54. =========================Confusion Matrix=========================
  55.    0   1   2   3   4   5   6   7   8   9  10  11  12  13  14  15  16  17  18  19  20  21  22  23
  56. -------------------------------------------------------------------------------------------------
  57.  198   0   0   0   0   0   3   7   0   0   0   0   1   0   0   0   0   0   5   0   0   0   0   0 | 0 = 0
  58.    3 202   2   0   1   3   0   0   0   4   2   0   0   0   2   0   0   0   0   0   1   0   0   0 | 1 = 1
  59.    4   0 213   0   8   0   2   0   1   0   0   0   1   6   1   1   0   1   0   0   0   0   0   0 | 2 = 2
  60.    2   0   1 201   0   0   0   0   1   5   0   3   0   0   0   0   0   0   0   1   0   0   0   0 | 3 = 3
  61.    6   0   4   1 191   0   0   0   0   0   0   2   3   1   0   0   0   4   2   0   0   0   1   0 | 4 = 4
  62.    1   6   0   1   1 188   0   0   1   3   3   0   0   0   0   0   0   0   0   0   1   4   0   0 | 5 = 5
  63.    1   0   0   1   1   0 187  18   0   4   1   0   2   0   0   0   0   0   0   0   0   0   0   0 | 6 = 6
  64.    2   0   0   1   0   0  30 233   0   1   0   0   1   0   3   0   0   0   1   0   0   0   0   1 | 7 = 7
  65.    1   0   0   3   1   1   0   0 191   3   1   0   3   0   2   0   0   2   0   0   2   0   1   0 | 8 = 8
  66.    0   1   0   1   0   0   3   0   0 119   0   0   0   0   0   0   0   1   1   3   0   0   1   0 | 9 = 9
  67.    0   1   0   3   0   0   1   0   1   0 215   0   0   0   0   0   0   0   3   0   0   0   0   0 | 10 = 10
  68.    1   0   0   0   0   0   0   0   0   0   0 172  26   0   0   0   0  10   7   0   0   0   3   0 | 11 = 11
  69.    0   0   0   0   2   2   0   0   0   0   0   2 193   1   1   0   0   2  13   0   0   0   1   0 | 12 = 12
  70.    4   0   7   1   1   0   0   0   0   0   0   2   7 162   1   4   0  17   7   0   0   0   0   0 | 13 = 13
  71.    0   1   0   1   0   0   1  10   0   1   1   0   2   0 198   7   0   0   3   0   0   0   3   0 | 14 = 14
  72.    1   0   0   1   1   0   1   3   1   0   1   0   0   2  12 186   0   0   0   0   0   0   4   2 | 15 = 15
  73.    0   0   0   4   0   0   0   0   0   1   0   0   0   0   0   0  57   0   0  13   1   0   2   0 | 16 = 16
  74.    7   1   0   0   4   0   0   0   0   0   0   7   6   3   0   0   0 189   8   0   0   0   1   0 | 17 = 17
  75.    4   0   0   0   0   0   1   0   0   1   0   6  16   1   0   0   0  15 166   0   0   0   0   0 | 18 = 18
  76.    0   0   0   5   0   0   0   0   0   3   1   0   0   0   0   0   6   1   0 182  14   1   0   0 | 19 = 19
  77.    0   1   1   6   1   2   0   0   2   6   4   0   0   0   0   1   2   0   0  22 170   2   2   0 | 20 = 20
  78.    0   0   0   0   0   2   0   0   0   8   3   0   0   0   0   0   0   0   0   6  21 220   0   0 | 21 = 21
  79.    0   0   1   0   0   0   0   0   1   7   1   0   2   0   0   0   0   0   0   0   1   1 207   0 | 22 = 22
  80.    1   0   0   0   1   0   2   3   4   0   1   1   0   0   5   1   0   0   0   0   0   0   2 194 | 23 = 23
  81.  
  82. Confusion matrix format: Actual (rowClass) predicted as (columnClass) N times
  83. ==================================================================
  84.  
  85. ## New model with new images
  86.  
  87.  
  88. ========================Evaluation Metrics========================
  89.  # of classes:    24
  90.  Accuracy:        0.8800
  91.  Precision:       0.8767
  92.  Recall:          0.8709
  93.  F1 Score:        0.8717
  94. Precision, recall & F1: macro-averaged (equally weighted avg. of 24 classes)
  95.  
  96.  
  97. =========================Confusion Matrix=========================
  98.    0   1   2   3   4   5   6   7   8   9  10  11  12  13  14  15  16  17  18  19  20  21  22  23
  99. -------------------------------------------------------------------------------------------------
  100.  320   0   1   3   0   0   3   7   0   0   0   0   1   0   0   0   0   0   5   0   0   0   0   0 | 0 = 0
  101.    3 314   2   0   1   3   0   0   0   4   2   0   0   0   2   0   0   0   0   0   1   0   0   0 | 1 = 1
  102.    5   0 338   0   8   0   2   0   1   0   0   0   1   6   1   1   0   1   0   0   0   0   0   0 | 2 = 2
  103.    2   0   1 328   0   0   0   0   1   5   0   3   0   0   0   0   0   0   0   1   0   0   0   0 | 3 = 3
  104.    6   0   4   1 191   0   0   0   0   0   0   2   3   1   0   0   0   4   2   0   0   0   1   0 | 4 = 4
  105.    1   6   0   1   1 188   0   0   1   3   3   0   0   0   0   0   0   0   0   0   1   4   0   0 | 5 = 5
  106.    1   0   0   1   1   0 187  18   0   4   1   0   2   0   0   0   0   0   0   0   0   0   0   0 | 6 = 6
  107.    2   0   0   1   0   0  30 233   0   1   0   0   1   0   3   0   0   0   1   0   0   0   0   1 | 7 = 7
  108.    1   0   0   3   1   1   0   0 191   3   1   0   3   0   2   0   0   2   0   0   2   0   1   0 | 8 = 8
  109.    0   1   0   1   0   0   3   0   0 119   0   0   0   0   0   0   0   1   1   3   0   0   1   0 | 9 = 9
  110.    0   1   0   3   0   0   1   0   1   0 215   0   0   0   0   0   0   0   3   0   0   0   0   0 | 10 = 10
  111.    1   0   0   0   0   0   0   0   0   0   0 172  26   0   0   0   0  10   7   0   0   0   3   0 | 11 = 11
  112.    0   0   0   0   2   2   0   0   0   0   0   2 193   1   1   0   0   2  13   0   0   0   1   0 | 12 = 12
  113.    4   0   7   1   1   0   0   0   0   0   0   2   7 162   1   4   0  17   7   0   0   0   0   0 | 13 = 13
  114.    0   1   0   1   0   0   1  10   0   1   1   0   2   0 198   7   0   0   3   0   0   0   3   0 | 14 = 14
  115.    1   0   0   1   1   0   1   3   1   0   1   0   0   2  12 186   0   0   0   0   0   0   4   2 | 15 = 15
  116.    0   0   0   4   0   0   0   0   0   1   0   0   0   0   0   0  57   0   0  13   1   0   2   0 | 16 = 16
  117.    7   1   0   0   4   0   0   0   0   0   0   7   6   3   0   0   0 189   8   0   0   0   1   0 | 17 = 17
  118.    4   0   0   0   0   0   1   0   0   1   0   6  16   1   0   0   0  15 166   0   0   0   0   0 | 18 = 18
  119.    0   0   0   5   0   0   0   0   0   3   1   0   0   0   0   0   6   1   0 182  14   1   0   0 | 19 = 19
  120.    0   1   1   6   1   2   0   0   2   6   4   0   0   0   0   1   2   0   0  22 170   2   2   0 | 20 = 20
  121.    0   0   0   0   0   2   0   0   0   8   3   0   0   0   0   0   0   0   0   6  21 220   0   0 | 21 = 21
  122.    0   0   1   0   0   0   0   0   1   7   1   0   2   0   0   0   0   0   0   0   1   1 207   0 | 22 = 22
  123.    1   0   0   0   1   0   2   3   4   0   1   1   0   0   5   1   0   0   0   0   0   0   2 194 | 23 = 23
  124.  
  125. Confusion matrix format: Actual (rowClass) predicted as (columnClass) N times
  126. ==================================================================
RAW Paste Data
We use cookies for various purposes including analytics. By continuing to use Pastebin, you agree to our use of cookies as described in the Cookies Policy. OK, I Understand
 
Top