上一篇文章中
從上面示例可以看出,計算這些指標非常簡單,只需選擇我們感興趣的指標並調用相關函數,傳入真正label (testy) 和預測label (yhat_classes)。
三種複雜指標的計算:kappa、auc、混淆矩陣
這三種指標雖然理解上要比前面四種複雜,但是代碼層面計算上,其實和之前差不多。
需要注意的是, AUC的計算需要預測的類概率 (yhat_probs) 作為參數傳入,而不是預測的類 (yhat_classes)
七種指標的綜合運用
下面我們通過一個例子,從訓練數據的產生、模型結構的搭建、訓練與預測,到七種指標的評估,教大家學會靈活使用這幾種指標。
「Python機器學習17:分類模型中常見的七種評估指標的計算」相關視頻
-
4:34
-
48:09
-
1:03:29
-
8:51
-
19:19
-
24:01
-
24:46
-
13:28
-
2:57:05
-
35:07
科技分類資訊推薦
科技分類視頻推薦