모델 성능 평가하기
PyBooks 팀은 도서 추천 엔진에서 큰 진전을 이루고 있어요. 모델링 팀이 PyBooks의 도서 추천 엔진을 위해 두 가지 다른 모델을 준비해 주었어요. 하나는 LSTM(lstm_model) 기반이고, 다른 하나는 GRU(gru_model)를 사용해요. 여러분의 과제는 이 모델들을 평가하고 비교하는 일이에요.
테스트 레이블은 y_test이고, lstm_model의 예측값은 y_pred_lstm, gru_model의 예측값은 y_pred_gru예요.
이 연습은 강의의 일부입니다
PyTorch로 배우는 텍스트 딥러닝
연습 안내
num_classes와task를 지정해 다중 클래스 분류용 accuracy, precision, recall, F1을 정의하세요.lstm_model에 대해 accuracy, precision, recall, F1 점수를 계산하고 출력하세요.- 같은 방식으로
gru_model의 평가 지표를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create an instance of the metrics
accuracy = ____(task=____, num_classes=3)
precision = ____(task=____, num_classes=3)
recall = ____(task=____, num_classes=3)
f1 = ____(task=____, num_classes=3)
# Calculate metrics for the LSTM model
accuracy_1 = accuracy(____, ____)
precision_1 = precision(____, ____)
recall_1 = recall(____, ____)
f1_1 = f1(____, ____)
print("LSTM Model - Accuracy: {}, Precision: {}, Recall: {}, F1 Score: {}".format(accuracy_1, precision_1, recall_1, f1_1))
# Calculate metrics for the GRU model
accuracy_2 = accuracy(____, ____)
precision_2 = precision(____, ____)
recall_2 = recall(____, ____)
f1_2 = f1(____, ____)
print("GRU Model - Accuracy: {}, Precision: {}, Recall: {}, F1 Score: {}".format(accuracy_2, precision_2, recall_2, f1_2))