Metrici de clasificare

Validarea modelelor în Python

Kasey Jones

Data Scientist

Metrici de clasificare

  • Precizie
  • Recall (numit și sensibilitate)
  • Acuratețe
  • Specificitate
  • F1-Score și variațiile sale
  • ...
Validarea modelelor în Python

Metrici de clasificare

  • Precizie
  • Recall (numit și sensibilitate)
  • Acuratețe
  • Specificitate
  • F1-Score și variațiile sale
  • ...
Validarea modelelor în Python

Matricea de confuzie

O matrice de confuzie este o matrice 2x2 care arată câte observații au fost prezise ca 0 sau 1 și câte au fost cu adevărat 0 sau 1. Poate fi folosită pentru a calcula diverse metrici de acuratețe.

Validarea modelelor în Python
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_test, test_predictions)
print(cm)

array([[ 23,  7],
       [  8, 62]])

cm[<true_category_index>, <predicted_category_index>]
cm[1, 0]

8
Validarea modelelor în Python

Acuratețe

Acuratețea poate fi calculată folosind diagonala principală a matricei de confuzie.

Validarea modelelor în Python

Precizie

Precizia se concentrează pe observațiile prezise ca 1. Din toate predicțiile de 1, câte au fost cu adevărat 1?

Validarea modelelor în Python

Recall

Recall-ul se concentrează pe observațiile care au fost cu adevărat 1. Câte dintre aceste valori 1 am prezis corect?

Validarea modelelor în Python

Acuratețe, precizie, recall

from sklearn.metrics import accuracy_score, precision_score, recall_score
accuracy_score(y_test, test_predictions)

.85

precision_score(y_test, test_predictions)

.8986

recall_score(y_test, test_predictions)

.8857
Validarea modelelor în Python

Timp de practică

Validarea modelelor în Python

Preparing Video For Download...