Video: Čo sú metriky Sklearn v Pythone?
2024 Autor: Miles Stephen | [email protected]. Naposledy zmenené: 2023-12-15 23:40
The sklearn . metriky modul implementuje niekoľko stratových, skóre a úžitkových funkcií na meranie výkonnosti klasifikácie. Niektorí metriky môže vyžadovať odhady pravdepodobnosti pozitívnej triedy, hodnoty spoľahlivosti alebo hodnoty binárnych rozhodnutí.
Vzhľadom na to, čo je Sklearn v Pythone?
Scikit-učte sa je bezplatná knižnica strojového učenia Python . Obsahuje rôzne algoritmy, ako je podporný vektorový stroj, náhodné lesy a k-neighbours, a tiež podporuje Python numerické a vedecké knižnice ako NumPy a SciPy.
Následne je otázkou, čo je Neg_mean_squared_error? Všetky skórovacie objekty sa riadia konvenciou, že vyššie hodnoty návratnosti sú lepšie ako nižšie hodnoty návratnosti. Teda metriky, ktoré merajú vzdialenosť medzi modelom a údajmi, ako sú metriky. mean_squared_error, sú dostupné ako neg_mean_squared_error ktoré vrátia negovanú hodnotu metriky.
Navyše, čo je skóre presnosti v Sklearne?
Presnosť klasifikácia skóre . Pri klasifikácii viacerých značiek táto funkcia počíta podmnožinu presnosť : množina označení predpovedaných pre vzorku sa musí presne zhodovať so zodpovedajúcou množinou označení v y_true. V binárnej a viactriednej klasifikácii sa táto funkcia rovná funkcii jaccard_score.
Aké je skóre f1 v Pythone?
Vypočítajte Skóre F1 , tiež známy ako vyvážený F- skóre alebo F-meranie. The Skóre F1 možno interpretovať ako vážený priemer presnosti a vybavenosti, kde an Skóre F1 dosiahne svoju najlepšiu hodnotu pri 1 a najhoršie skóre pri 0. Relatívny príspevok presnosti a vybavovania k Skóre F1 sú si rovné.
Odporúča:
Čo je PCA Sklearn?
PCA pomocou Pythonu (scikit-learn) Bežnejším spôsobom zrýchlenia algoritmu strojového učenia je použitie analýzy hlavných komponentov (PCA). Ak je váš algoritmus učenia príliš pomalý, pretože vstupná dimenzia je príliš vysoká, potom môže byť použitie PCA na jeho zrýchlenie rozumnou voľbou
Čo je normou v Pythone?
Numpy.linalg.norm. Ak je os dvojrozmerná, špecifikuje osi, ktoré obsahujú 2-D matice, a vypočítajú sa maticové normy týchto matíc. Ak je os žiadna, vráti sa buď vektorová norma (keď x je 1-D) alebo maticová norma (keď x je 2-D)