Šta je Sklearn metrika u Pythonu?
Šta je Sklearn metrika u Pythonu?

Video: Šta je Sklearn metrika u Pythonu?

Video: Šta je Sklearn metrika u Pythonu?
Video: What Is Scikit-Learn | Introduction To Scikit-Learn | Machine Learning Tutorial | Intellipaat 2024, Novembar
Anonim

The sklearn . metrika modul implementira nekoliko funkcija gubitka, rezultata i korisnosti za mjerenje performansi klasifikacije. Neki metrike može zahtijevati procjene vjerovatnoće pozitivne klase, vrijednosti povjerenja ili vrijednosti binarnih odluka.

Imajući ovo u vidu, šta je Sklearn u Pythonu?

Scikit-učite je besplatna biblioteka mašinskog učenja za Python . Poseduje različite algoritme kao što su mašina za podršku vektorima, slučajne šume i k-susedi, a takođe podržava Python numeričke i naučne biblioteke kao što su NumPy i SciPy.

Nakon toga, postavlja se pitanje šta je Neg_mean_squared_error? Svi objekti bodovača slijede konvenciju da su veće povratne vrijednosti bolje od nižih povratnih vrijednosti. Dakle, metrike koje mjere udaljenost između modela i podataka, poput metrike. mean_squared_error, dostupni su kao neg_mean_squared_error koji vraćaju negiranu vrijednost metrike.

Osim toga, koji je rezultat tačnosti u Sklearnu?

Preciznost klasifikacija rezultat . U klasifikaciji više oznaka, ova funkcija izračunava podskup tačnost : skup oznaka predviđenih za uzorak mora se točno podudarati s odgovarajućim skupom oznaka u y_true. U binarnoj i multiklasnoj klasifikaciji, ova funkcija je jednaka funkciji jaccard_score.

Šta je f1 rezultat u Pythonu?

Izračunajte F1 rezultat , također poznat kao balansirani F- rezultat ili F-mjera. The F1 rezultat može se tumačiti kao ponderisani prosek preciznosti i prisećanja, gde je an F1 rezultat dostiže svoju najbolju vrijednost na 1 i najgoru rezultat na 0. Relativni doprinos preciznosti i opoziva F1 rezultat su jednaki.

Preporučuje se: