Hvad er Sklearn-metrics i Python?
Hvad er Sklearn-metrics i Python?

Video: Hvad er Sklearn-metrics i Python?

Video: Hvad er Sklearn-metrics i Python?
Video: Основы Scikit-learn | Машинное Обучение На Python 2024, April
Anonim

Det lære . målinger modul implementerer flere tabs-, score- og hjælpefunktioner til at måle klassifikationsydelse. Nogle målinger kan kræve sandsynlighedsvurderinger af den positive klasse, konfidensværdier eller binære beslutningsværdier.

Når man tager dette i betragtning, hvad er Sklearn i Python?

Scikit-lær er et gratis maskinlæringsbibliotek til Python . Den har forskellige algoritmer som understøttelse af vektormaskine, tilfældige skove og k-naboer, og den understøtter også Python numeriske og videnskabelige biblioteker som NumPy og SciPy.

Efterfølgende er spørgsmålet, hvad er Neg_mean_squared_error? Alle scoreobjekter følger konventionen om, at højere afkastværdier er bedre end lavere afkastværdier. Altså metrics, der måler afstanden mellem modellen og dataene, ligesom metrics. mean_squared_error, er tilgængelige som neg_mean_squared_error som returnerer den negerede værdi af metrikken.

Derudover, hvad er nøjagtighedsscore i Sklearn?

Nøjagtighed klassifikation score . I multilabel-klassificering beregner denne funktion delmængde nøjagtighed : sættet af etiketter, der er forudsagt for en prøve, skal nøjagtigt matche det tilsvarende sæt etiketter i y_true. I binær- og multiklasseklassifikation er denne funktion lig med jaccard_score-funktionen.

Hvad er f1-score i Python?

Beregn F1 score , også kendt som balanceret F- score eller F-mål. Det F1 score kan tolkes som et vægtet gennemsnit af præcisionen og tilbagekaldelsen, hvor en F1 score når sin bedste værdi ved 1 og dårligst score ved 0. Det relative bidrag af præcision og tilbagekaldelse til F1 score er lige.

Anbefalede: