1. Learn
    2. /
  2. Courses
    3. /
  3. PythonでMachine Learningを使ってCTRを予測する
Connected

Exercise

F-beta スコア

F-beta スコアは precision と recall の重み付き調和平均で、両者の重要度を異なる比率で反映できます。多くの場合、recall より precision を重視したいことがあり、その場合は beta を 0〜1 の範囲で小さく設定します。本演習では、MLP 分類器の precision と recall を計算し、beta = 0.5 の F-beta スコアも算出します。

作業スペースには X_train、y_train、X_test、y_test が用意され、特徴量はすでに標準化済みです。pandas は pd、sklearn も利用可能です。sklearn.metrics の fbeta_score() も使用できます。

Instructions

100 XP
  • データを学習用とテスト用に分割します。
  • MLP 分類器を定義し、.fit() で学習し、.predict() で予測します。
  • sklearn の実装を使って、precision、recall、そして F-beta スコアを取得します。