1. Учиться
    2. /
  2. Courses
    3. /
  3. マーケティングアナリティクス：Pythonで顧客解約を予測する
Connected

Exercise

F1スコア

ご覧のとおり、precision と recall にはトレードオフがあります。どちらも重要な指標で、ビジネスがどのように解約（churn）をモデル化したいかによって、どちらか一方の最適化に重点を置くこともあります。多くの場合、利害関係者はモデル性能を定量化できる単一の指標に関心を持ちます。こうした場面で使える指標の1つが AUC で、もう1つが次の式で計算される F1 スコアです。

2 * (precision * recall) / (precision + recall)

F1 スコアの利点は、precision と recall の両方を1つの指標に統合できる点で、クラス不均衡がある状況でも、F1 スコアが高ければモデルが良好に機能しているサインになります。scikit-learn では、f1_score 関数を使って F1 スコアを計算できます。

Инструкции

100 XP
  • sklearn.metrics から f1_score をインポートします。
  • 学習済みランダムフォレストの F1 スコアを出力します。