რა არის Sklearn მეტრიკა პითონში?
რა არის Sklearn მეტრიკა პითონში?

ვიდეო: რა არის Sklearn მეტრიკა პითონში?

ვიდეო: რა არის Sklearn მეტრიკა პითონში?
ვიდეო: Machine Learning with Scikit-Learn Python | Accuracy, F1 Score, Confusion Matrix 2024, აპრილი
Anonim

The იწვის . მეტრიკა მოდული ახორციელებს რამდენიმე დანაკარგის, ქულის და სასარგებლო ფუნქციებს კლასიფიკაციის შესრულების გასაზომად. Ზოგიერთი მეტრიკა შეიძლება მოითხოვოს პოზიტიური კლასის ალბათობის შეფასება, ნდობის მნიშვნელობები ან ორობითი გადაწყვეტილებების მნიშვნელობები.

ამის გათვალისწინებით, რა არის Sklearn პითონში?

Scikit-ისწავლე არის მანქანათმცოდნეობის უფასო ბიბლიოთეკა პითონი . მას აქვს სხვადასხვა ალგორითმები, როგორიცაა დამხმარე ვექტორული მანქანა, შემთხვევითი ტყეები და k-მეზობლები, და ასევე მხარს უჭერს პითონი რიცხვითი და სამეცნიერო ბიბლიოთეკები, როგორიცაა NumPy და SciPy.

შემდგომში ჩნდება კითხვა, რა არის Neg_mean_squared_error? ყველა ქულის ობიექტი მიჰყვება კონვენციას, რომ უფრო მაღალი დაბრუნების მნიშვნელობები უკეთესია, ვიდრე ქვედა დაბრუნების მნიშვნელობები. ამრიგად, მეტრიკა, რომელიც ზომავს მანძილს მოდელსა და მონაცემებს შორის, ისევე როგორც მეტრიკა. mean_squared_error, ხელმისაწვდომია როგორც neg_mean_squared_error რომლებიც აბრუნებენ მეტრიკის უარყოფით მნიშვნელობას.

გარდა ამისა, რა არის სიზუსტის ქულა Sklearn-ში?

სიზუსტე კლასიფიკაცია ქულა . მრავალეტიკეტიანი კლასიფიკაციისას, ეს ფუნქცია ითვლის ქვეჯგუფს სიზუსტე : ნიმუშისთვის პროგნოზირებული ეტიკეტების ნაკრები ზუსტად უნდა ემთხვეოდეს y_true-ში ეტიკეტების შესაბამის კომპლექტს. ბინარულ და მრავალკლასიან კლასიფიკაციაში ეს ფუნქცია უდრის jaccard_score ფუნქციას.

რა არის f1 ქულა პითონში?

გამოთვალეთ F1 ანგარიში ასევე ცნობილია როგორც დაბალანსებული F- ქულა ან F-ზომა. The F1 ანგარიში შეიძლება განიმარტოს, როგორც სიზუსტისა და გახსენების საშუალო შეწონილი, სადაც ა F1 ანგარიში აღწევს საუკეთესო მნიშვნელობას 1-ზე და ყველაზე უარესზე ქულა 0-ზე. სიზუსტისა და გახსენების შედარებითი წვლილი F1 ანგარიში თანაბარი არიან.

გირჩევთ: