问题描述
我正在尝试根据 3D 模型的特征之间的余弦相似度对其进行分类，
所以我有我的数据样本，例如：
labels model features
0 0 Human9.off [[[0.23684079858309917,0.19273736696415755,0...
1 1 Vase4.off [[[0.6732617226725692,0.30716274584756115,0....
2 1 Vase2.off [[[0.13670752662190222,0.4420193683126576,0....
3 1 Vase3.off [[[0.3901833563421396,0.05128834840526665,0....
4 1 Vase1.off [[[0.16773122097177612,0.2156968808229773,0....
现在我得到了相似性：
[(array([1.]),1,'Vase1.off'),(array([0.91141279]),'Human9.off'),(array([0.90623274]),'Human11.off'),(array([0.90485306]),'Vase4.off'),(array([0.90229865]),'Human16.off'),(array([0.90146564]),'Vase2.off'),(array([0.89939983]),'Human14.off'),(array([0.88810556]),'Human10.off'),(array([0.88044171]),'Human15.off'),(array([0.87865746]),'Vase3.off'),(array([0.86848597]),2,'Teddy13.off'),(array([0.85522935]),'Teddy10.off'),(array([0.83455783]),'Teddy11.off')]
我正在尝试弄清楚如何获得误报率、漏报率、精确召回率和这些措施。
假设数字 0,2 指的是我们模型的标签，其中每个标签代表一个模型
在这个示例中，我可以配置例如在我设置的分数限制内检索所有 Vase 模型，但是当我使用我的大数据库时会很困难。
任何一段代码，参考教程，非常感谢
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）