Ano ang Sklearn metrics sa Python?

2024 May -akda: Miles Stephen | [email protected]. Huling binago: 2023-12-15 23:41

Ang sklearn . mga sukatan ang module ay nagpapatupad ng ilang pagkawala, marka, at mga function ng utility upang sukatin ang pagganap ng pag-uuri. Ang ilan mga sukatan maaaring mangailangan ng mga pagtatantya ng posibilidad ng positibong klase, mga halaga ng kumpiyansa, o mga halaga ng binary na desisyon.

Kung isasaalang-alang ito, ano ang Sklearn sa Python?

Scikit-matuto ay isang libreng library ng machine learning para sa sawa . Nagtatampok ito ng iba't ibang mga algorithm tulad ng support vector machine, random na kagubatan, at k-neghbours, at sinusuportahan din nito sawa numerical at siyentipikong mga aklatan tulad ng NumPy at SciPy.

Kasunod nito, ang tanong ay, ano ang Neg_mean_squared_error? Ang lahat ng scorer object ay sumusunod sa convention na ang mas mataas na return value ay mas mahusay kaysa sa mas mababang return value. Kaya ang mga sukatan na sumusukat sa distansya sa pagitan ng modelo at ng data, tulad ng mga sukatan. mean_squared_error, ay magagamit bilang neg_mean_squared_error na nagbabalik ng negadong halaga ng sukatan.

Bukod pa rito, ano ang marka ng katumpakan sa Sklearn?

Katumpakan pag-uuri puntos . Sa pag-uuri ng multilabel, kino-compute ng function na ito ang subset katumpakan : ang hanay ng mga label na hinulaang para sa isang sample ay dapat na eksaktong tumugma sa kaukulang hanay ng mga label sa y_true. Sa binary at multiclass classification, ang function na ito ay katumbas ng jaccard_score function.

Ano ang f1 score sa Python?

Kuwentahin ang F1 na marka , kilala rin bilang balanseng F- puntos o F-measure. Ang F1 na marka ay maaaring bigyang-kahulugan bilang isang weighted average ng katumpakan at recall, kung saan ang isang F1 na marka umabot sa pinakamahusay na halaga nito sa 1 at pinakamasama puntos sa 0. Ang relatibong kontribusyon ng precision at recall sa F1 na marka ay pantay-pantay.