Top-1 Error & Top-5 Error

### Top-5 错误率概念 Top-5 错误率是指对于给定的数据样本，如果模型预测的概率最高的前五个类别中都不包含真实标签，则认为该样本被错误分类。换句话说，只要模型给出的前五个可能性中有任何一个正确识别了实际类别，就视为成功；反之则计入错误。 具体来说，在图像分类任务中，当对一张图片进行多类别的预测时，即使最高置信度的选择不准确，但如果真实的对象类型位于按概率排序后的第二至第五位之间，仍然不算作完全失败[^2]。 ### 计算方法 为了计算Top-5错误率，需要遍历整个验证数据集，并统计那些其真值未出现在模型所返回的最佳猜测列表（通常长度为5）内的实例数量。最终的结果可以通过下面的比例表达： \[ \text{Top-5 Error Rate} = \frac{\text{未能进入前五名预测的数量}}{\text{总测试样例数}} * 100\% \] 举个例子，如果有100张待测照片，而其中只有95次的真实物体种类能在各自对应的排名表里找到位置（哪怕只是最后一名），那么此时top-5 error rate就是\( (100 - 95)/100*100\%=5 \%\) [^3]. ```python def calculate_top_5_error_rate(predictions, true_labels): """ Calculate the top-5 error rate. :param predictions: List of lists containing predicted probabilities or scores for each class per sample. Each inner list should be sorted from highest to lowest score and contain at least five elements. :param true_labels: List of actual labels corresponding to each prediction set. :return: The calculated top-5 error rate as a percentage. """ errors = sum(1 for pred, label in zip(predictions, true_labels) if label not in pred[:5]) total_samples = len(true_labels) return (errors / total_samples) * 100 ```