1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Jak vyhrát soutěž na Kaggle v Pythonu
Connected

cvičení

Definuj metriku soutěže

Kaggle používá metriku soutěže k vyhodnocení tvých odevzdaných řešení. Zároveň ji potřebuješ k měření výkonnosti různých modelů na lokální validační sadě.

Tvým úkolem je nyní ručně implementovat několik soutěžních metrik pro případ, že nejsou dostupné v sklearn.metrics.

Konkrétně definuješ:

  • Mean Squared Error (MSE) pro regresní problém: $$MSE = \frac{1}{N}\sum_{i=1}^{N}{(y_i - \hat{y}_i)^2}$$

  • Logarithmic Loss (LogLoss) pro problém binární klasifikace: $$LogLoss = -\frac{1}{N}\sum_{i=1}^{N}{(y_i\ln p_i + (1-y_i)\ln (1-p_i))}$$

Instrukce 1/2

undefined XP
  • 1
    • Pomocí numpy definuj metriku MSE. Funkce dostane na vstupu pole skutečných hodnot y_true a předpovězených hodnot y_pred.
  • 2
    • Pomocí numpy definuj metriku LogLoss. Na vstupu dostaneš skutečné třídy y_true a předpovězené pravděpodobnosti prob_pred.