Kas ir Sklearn metrika Python?
Kas ir Sklearn metrika Python?
Anonim

The sklearn. metriku modulis ievieš vairākas zaudējumu, rezultātu un lietderības funkcijas, lai novērtētu klasifikācijas veiktspēju. Dažas metriku var būt nepieciešami pozitīvās klases varbūtības aprēķini, ticamības vērtības vai bināro lēmumu vērtības.

Ņemot to vērā, kas ir Sklearn Python?

Scikit-mācīties ir bezmaksas mašīnmācīšanās bibliotēka, kas paredzēta Python. Tā piedāvā dažādus algoritmus, piemēram, atbalsta vektoru mašīnu, nejaušus mežus un k-kaimiņus, kā arī atbalsta Python skaitliskās un zinātniskās bibliotēkas, piemēram, NumPy un SciPy.

Pēc tam rodas jautājums, kas ir Neg_mean_squared_error? Visi vērtēšanas objekti ievēro vienošanos, ka augstākas atdeves vērtības ir labākas nekā zemākas atdeves vērtības. Tādējādi metrika, kas mēra attālumu starp modeli un datiem, piemēram, metrika. mean_squared_error, ir pieejami kā neg_mean_squared_error kas atgriež noliegto metrikas vērtību.

Turklāt, kāds ir Sklearn precizitātes rādītājs?

Precizitāte klasifikācija rezultāts. Vairāku etiķešu klasifikācijā šī funkcija aprēķina apakškopu precizitāte: paraugam paredzētajai iezīmju kopai precīzi jāatbilst atbilstošajai iezīmju kopai y_true. Binārajā un vairāku klašu klasifikācijā šī funkcija ir vienāda ar jaccard_score funkciju.

Kāds ir f1 rādītājs Python?

Aprēķiniet F1 rezultāts, pazīstams arī kā līdzsvarots F-rezultāts vai F-mērs. The F1 rezultāts var interpretēt kā precizitātes un atsaukšanas vidējo svērto vērtību, kur an F1 rezultāts sasniedz savu labāko vērtību ar 1 un sliktāko rezultāts pie 0. Precizitātes un atsaukšanas relatīvais ieguldījums F1 rezultāts ir vienādi.

Populārs ar tēmu