evaluate 函式庫

Python 的 LLM 入門

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

evaluate 函式庫

import evaluate

accuracy = evaluate.load("accuracy")

print(accuracy.description)

Accuracy is the proportion of correct
predictions among the total number of cases
processed. It can be computed with:
Accuracy = (TP + TN) / (TP + TN + FP + FN)
Where:
TP: True positive
TN: True negative
FP: False positive
FN: False negative

 

  • 指標： 依據真實標記評估模型表現

 

  • 比較： 比較兩個模型

 

  • 量測： 掌握資料集特性
Python 的 LLM 入門

Features 屬性

print(accuracy.features)

{'predictions': Value(dtype='int32', id=None),
 'references': Value(dtype='int32', id=None)}

檢視指標所需輸入

  • 'predictions'：模型輸出
  • 'references'：真實標記
  • .features：指出類別標籤支援的型別，如 'int32' 或 'float32'
f1 = evaluate.load("f1")
print(f1.features)

{'predictions': Value(dtype='int32', id=None),
 'references': Value(dtype='int32', id=None)}

pearson_corr = evaluate.load("pearsonr")
print(pearson_corr.features)

{'predictions': Value(dtype='float32', id=None),
'references': Value(dtype='float32', id=None)}
Python 的 LLM 入門

LLM 任務與指標

 

語言任務的評估指標

Python 的 LLM 入門

LLM 任務與指標

 

語言任務的評估指標

Python 的 LLM 入門

分類指標

accuracy = evaluate.load("accuracy")
precision = evaluate.load("precision")
recall = evaluate.load("recall")
f1 = evaluate.load("f1")

from transformers import pipeline

classifier = pipeline("text-classification", model=model, tokenizer=tokenizer)

predictions = classifier(evaluation_text)


predicted_labels = [1 if pred["label"] == "POSITIVE" else 0 for pred in predictions]
Python 的 LLM 入門

指標輸出

real_labels = [0,1,0,1,1]
predicted_labels = [0,0,0,1,1]

print(accuracy.compute(references=real_labels, predictions=predicted_labels))
print(precision.compute(references=real_labels, predictions=predicted_labels))
print(recall.compute(references=real_labels, predictions=predicted_labels))
print(f1.compute(references=real_labels, predictions=predicted_labels))

{'accuracy': 0.8}
{'precision': 1.0}
{'recall': 0.6666666666666666}
{'f1': 0.8}
Python 的 LLM 入門

評估我們微調後的模型

# 使用 
# .from_pretrained("my_finetuned_files") 載入已儲存的模型與 tokenizer


new_data = ["This is movie was disappointing!", 
            "This is the best movie ever!"]

new_input = tokenizer(new_data, 
                      return_tensors="pt", 
                      padding=True,
                      truncation=True, 
                      max_length=64)

with torch.no_grad():
    outputs = model(**new_input)

predicted = torch.argmax(outputs.logits, 
                         dim=1).tolist()

real = [0,1]
print(accuracy.compute(references=real,
                       predictions=predicted))
print(precision.compute(references=real,
                        predictions=predicted))
print(recall.compute(references=real,
                     predictions=predicted))
print(f1.compute(references=real, 
                 predictions=predicted))

{'accuracy': 1.0}
{'precision': 1.0}
{'recall': 1.0}
{'f1': 1.0}
Python 的 LLM 入門

選對評估指標

 

  • 請先有警覺：每個指標都帶來洞見，但也有其限制

 

  • 要全面：結合多種指標（必要時加入領域特定的 KPI）

腦與燈泡的插圖，象徵覺察、思考與決策。

Python 的 LLM 入門

一起來練習吧！

Python 的 LLM 入門

Preparing Video For Download...