Какво представляват метриките на Sklearn в Python?
Какво представляват метриките на Sklearn в Python?

Видео: Какво представляват метриките на Sklearn в Python?

Видео: Какво представляват метриките на Sklearn в Python?
Видео: Что ломается, разваливается и изнашивается в вариаторе Audi Multitronic (01J)? 2024, Април
Anonim

В sklearn . метрика модулът изпълнява няколко функции за загуба, оценка и полезност за измерване на ефективността на класификацията. някои метрика може да изисква оценки на вероятността за положителния клас, стойностите на доверието или стойностите на бинарни решения.

Като се има предвид това, какво е Sklearn в Python?

Scikit-учи е безплатна библиотека за машинно обучение за Python . Той разполага с различни алгоритми като поддържаща векторна машина, произволни гори и k-съседи, а също така поддържа Python цифрови и научни библиотеки като NumPy и SciPy.

Впоследствие въпросът е какво е Neg_mean_squared_error? Всички обекти на резултата следват конвенцията, че по-високите възвръщаеми стойности са по-добри от по-ниските възвръщаеми стойности. По този начин метрики, които измерват разстоянието между модела и данните, като метрики. mean_squared_error, са налични като neg_mean_squared_error които връщат отричаната стойност на метриката.

Освен това, какъв е резултатът за точност в Sklearn?

Точност класификация резултат . При класификация с множество етикети тази функция изчислява подмножество точност : наборът от етикети, предвидени за извадка, трябва точно да съвпада със съответния набор от етикети в y_true. При двоична и мултикласова класификация тази функция е равна на функцията jaccard_score.

Какъв е резултатът f1 в Python?

Изчислете F1 резултат , известен още като балансиран F- резултат или F-мярка. В F1 резултат може да се интерпретира като средно претеглена стойност на прецизността и извикването, където an F1 резултат достига най-добрата си стойност при 1 и най-лошата резултат при 0. Относителният принос на прецизността и припомнянето към F1 резултат са равни.

Препоръчано: