F-beta skóre

F-beta skóre je vážený harmonický průměr přesnosti (precision) a odvolání (recall) a slouží k tomu, aby bylo možné jim přiřadit různou váhu. Často má smysl upřednostnit přesnost před odvoláním, čehož dosáhneme nižší hodnotou beta v rozsahu 0 až 1. V tomto cvičení vypočítáš přesnost a odvolání MLP klasifikátoru spolu s F-beta skóre při hodnotě beta = 0.5.

V tvém pracovním prostředí jsou k dispozici proměnné X_train, y_train, X_test, y_test a příznaky jsou již standardizovány. K dispozici jsou také pandas jako pd a sklearn. Z balíčku sklearn.metrics je dostupná i funkce fbeta_score().

Rozděl data na trénovací a testovací sadu.
Definuj MLP klasifikátor, natrénuj ho pomocí .fit() a proveď predikce pomocí .predict().
Pomocí implementací z sklearn získej skóre přesnosti, odvolání a F-beta skóre.

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}cvičení

Pokyny

cvičení