上一篇文章中
从上面示例可以看出,计算这些指标非常简单,只需选择我们感兴趣的指标并调用相关函数,传入真正label (testy) 和预测label (yhat_classes)。
三种复杂指标的计算:kappa、auc、混淆矩阵
这三种指标虽然理解上要比前面四种复杂,但是代码层面计算上,其实和之前差不多。
需要注意的是, AUC的计算需要预测的类概率 (yhat_probs) 作为参数传入,而不是预测的类 (yhat_classes)
七种指标的综合运用
下面我们通过一个例子,从训练数据的产生、模型结构的搭建、训练与预测,到七种指标的评估,教大家学会灵活使用这几种指标。
“Python机器学习17:分类模型中常见的七种评估指标的计算”相关视频
-
4:34
-
48:09
-
1:03:29
-
8:51
-
19:19
-
24:01
-
24:46
-
13:28
-
2:57:05
-
35:07
科技分类资讯推荐
科技分类视频推荐
-
4:49
-
16:49
-
2:10
-
2:50
-
1:19
-
25:33