1. 학습
    2. /
  2. 강의
    3. /
  3. Python으로 Machine Learning을 활용한 CTR 예측
Connected

연습 문제

F-beta 점수

F-beta 점수는 정밀도와 재현율의 가중 조화 평균으로, 두 지표에 서로 다른 가중치를 줄 때 사용해요. 예를 들어 정밀도를 재현율보다 더 중요하게 보고 싶다면 beta를 0과 1 사이의 작은 값으로 설정하면 돼요. 이 연습 문제에서는 beta = 0.5를 사용해 MLP 분류기의 정밀도, 재현율, 그리고 F-beta 점수를 계산해 보겠습니다.

X_train, y_train, X_test, y_test가 작업 공간에 준비되어 있고, 특성은 이미 표준화되어 있어요. pandas는 pd로, sklearn도 사용할 수 있어요. 또한 sklearn.metrics의 fbeta_score()도 사용할 수 있습니다.

지침

100 XP
  • 데이터를 학습용과 테스트용으로 분할하세요.
  • MLP 분류기를 정의하고 .fit()으로 학습한 뒤 .predict()로 예측하세요.
  • sklearn의 구현을 사용해 정밀도, 재현율, F-beta 점수를 구하세요.