始める無料で始める

ベースライン

分類器を適切なベースラインと比較して評価することは重要です。特に広告のクリック率のような不均衡データでは、常に多数クラスを選ぶだけで高い accuracy が簡単に出てしまうため、なおさらです。この演習では、常に多数クラス（非クリック）を予測するベースライン分類器をシミュレーションし、その混同行列を確認し、precision と recall がどうなるかを見ていきます。

X_train、y_train、X_test、y_test はワークスペースに用意されています。pandas は pd、numpy は np、sklearn もワークスペースで利用できます。

この演習はコースの一部です

PythonでMachine Learningを使ってCTRを予測する

コースを見る

演習の手順

  • np.asarray() を使って、X_test と同じ長さのゼロからなる配列 y_pred を作成します。
  • 得られた混同行列を出力します。
  • precision と recall のスコアを取得します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Set up baseline predictions
y_pred = np.____([0 for x in range(len(X_test))])

# Look at confusion matrix
print("Confusion matrix: ")
print(____(y_test, y_pred))

# Check precision and recall
prec = ____(y_test, y_pred, average = 'weighted')
recall = ____(y_test, y_pred, average = 'weighted')
print("Precision: %s, Recall: %s" %(prec, recall))
コードを編集して実行