Što je Sklearn metrika u Pythonu?
Što je Sklearn metrika u Pythonu?

Video: Što je Sklearn metrika u Pythonu?

Video: Što je Sklearn metrika u Pythonu?
Video: Библиотеки Для Машинного Обучения: Scikit-learn, TensorFlow, Keras, PyTorch | В Чём Разница? 2024, Studeni
Anonim

The sklearn . metrika modul implementira nekoliko funkcija gubitka, rezultata i korisnosti za mjerenje izvedbe klasifikacije. Neki metrika može zahtijevati procjene vjerojatnosti pozitivne klase, vrijednosti pouzdanosti ili vrijednosti binarnih odluka.

Imajući to u vidu, što je Sklearn u Pythonu?

Scikit-uči je besplatna knjižnica strojnog učenja za Piton . Sadrži različite algoritme kao što su stroj za vektor podrške, slučajne šume i k-susjedi, a također podržava Piton numeričke i znanstvene knjižnice kao što su NumPy i SciPy.

Nakon toga, postavlja se pitanje što je Neg_mean_squared_error? Svi objekti zapisivača slijede konvenciju da su veće povratne vrijednosti bolje od nižih povratnih vrijednosti. Dakle, metrike koje mjere udaljenost između modela i podataka, poput metrike. mean_squared_error, dostupni su kao negativna_srednja_kvadratna_pogreška koji vraćaju negiranu vrijednost metrike.

Dodatno, što je ocjena točnosti u Sklearnu?

Točnost klasifikacija postići . U klasifikaciji s više oznaka, ova funkcija izračunava podskup točnost : skup oznaka predviđenih za uzorak mora se točno podudarati s odgovarajućim skupom oznaka u y_true. U binarnoj i višeklasnoj klasifikaciji, ova funkcija je jednaka funkciji jaccard_score.

Što je f1 rezultat u Pythonu?

Izračunajte F1 rezultat , također poznat kao uravnotežen F- postići ili F-mjera. The F1 rezultat može se tumačiti kao ponderirani prosjek preciznosti i opoziva, gdje je an F1 rezultat doseže svoju najbolju vrijednost na 1 i najgoru postići na 0. Relativni doprinos preciznosti i prisjećanja na F1 rezultat su jednaki.

Preporučeni: