1. Learn
    2. /
  2. Курси
    3. /
  3. Réseaux de neurones récurrents (RNN) pour la modélisation du langage avec Keras
Connected

Вправа

Performance en classification multiclasse

Dans cet exercice, vous allez calculer les mesures de performance des modèles à l'aide du module sklearn.metrics.

Le modèle est déjà entraîné et stocké dans la variable model. Les variables X_test et y_true sont aussi chargées, ainsi que les fonctions confusion_matrix() et classification_report() du paquet sklearn.metrics.

Vous commencerez par calculer la matrice de confusion du modèle. Ensuite, pour résumer la performance du modèle, vous calculerez la précision, le rappel et la mesure F1 au moyen de la fonction classification_report(). Dans cette fonction, vous pouvez au besoin fournir une list contenant les noms des classes (elle est stockée dans la variable news_cat) au paramètre target_names pour rendre le rapport plus lisible.

Інструкції 1/3

undefined XP
    1
    2
    3
  • Faites les prédictions sur X_test et stockez-les dans predicted.
  • Obtenez la classe prédite avec la probabilité la plus élevée en utilisant np.argmax(axis=1) et stockez-la dans y_pred.