分层交叉折叠医学图像分类时DatasetType未定义错误求助

错误原因及修复方案 #

这个错误源于fastai版本迭代后，数据集类型的枚举类发生了变更，分两种情况处理：

情况1：使用fastai v2及以上版本（版本号≥2.0） #

fastai v2已移除DatasetType枚举，可通过以下三种方式替代：

• 直接传入验证集索引：

  preds_test, y_test = learn.get_preds(ds_idx=1)  # ds_idx=0对应训练集，1对应验证集
  

• 直接指定验证集数据加载器：

  preds_test, y_test = learn.get_preds(dl=learn.dls.valid)
  

• 导入Loaders枚举类使用（可选，语义更清晰）：

  from fastai.data.core import Loaders
  preds_test, y_test = learn.get_preds(Loaders.Valid)
  

情况2：使用fastai v1版本（版本号<2.0） #

此时需手动导入DatasetType，在代码开头添加：

from fastai.basic_data import DatasetType

之后再执行preds_test, y_test = learn.get_preds(DatasetType.Valid)即可正常运行。

结果保存与评估指标计算 #

保存预测结果 #

用numpy将预测结果和真实标签保存为本地文件：

import numpy as np
# 保存预测概率
np.save('validation_preds.npy', preds_test)
# 保存真实标签
np.save('validation_labels.npy', y_test)

计算常规评估指标 #

借助sklearn的metrics模块计算准确率、混淆矩阵、精确率、召回率等指标：

from sklearn.metrics import accuracy_score, confusion_matrix, classification_report

# 将预测概率转换为类别索引（取最大概率对应的类别）
preds_class = preds_test.argmax(dim=1).numpy()
# 真实标签转换为numpy数组（若为tensor格式）
y_test_np = y_test.numpy()

# 计算准确率
accuracy = accuracy_score(y_test_np, preds_class)
# 生成混淆矩阵
confusion_mat = confusion_matrix(y_test_np, preds_class)
# 生成分类报告（包含精确率、召回率、F1分数）
class_report = classification_report(y_test_np, preds_class)

print(f"验证集准确率：{accuracy:.4f}")
print("混淆矩阵：\n", confusion_mat)
print("分类报告：\n", class_report)

内容的提问来源于stack exchange，提问作者abomuflih