CMC曲线（Python代码的实现）

在阅读与人脸识别相关的学术论文时，经常会发现除了ROC曲线之外，部分文献还会采用CMC曲线作为评估实验效果的指标。那么，如何理解CMC曲线的含义呢？通过查阅网络上的相关资料，并结合具体案例进行说明，有助于更清晰地掌握其概念：

假设我们已经训练完成了一个用于3分类任务的模型，对应的类别为c1、c2和c3。当每个样本输入模型后，系统会输出与这三个类别相对应的匹配分数，其中得分最高的类别将被判定为该样本的预测结果。

• 针对单一样本的情况：

当前我们仅拥有一个属于类别c1的样本，将其输入模型后所获得的匹配分数如下：

    c1:0.9
    c2:0.8
    c3:0.7
    
      
      
      
    

从结果可以看出，类别c1所对应的匹配得分最高，表明该样本的实际分类与预测分类一致，即在首次检索时即成功匹配（rank1）的准确率为100%。若在首次检索时便成功识别，则后续的rank2与rank3的准确率同样可达到100%。
若匹配得分如下：

    c1:0.8
    c2:0.9
    c3:0.7
    
      
      
      
    

当前排名首位的类别c2并非该样本的实际所属类别，因此首次命中率rank1为0%；而排名第二的类