1. Nauka
    2. /
  2. Kursy
    3. /
  3. Głębokie uczenie z PyTorch – poziom średnio zaawansowany
Connected

ćwiczenie

Ocena modelu wieloklasowego

Oceńmy nasz klasyfikator chmur, używając precyzji i czułości, aby sprawdzić, jak dobrze radzi sobie z klasyfikacją siedmiu typów chmur. W zadaniu klasyfikacji wieloklasowej ważny jest sposób uśredniania wyników po klasach. Przypomnijmy, że istnieją cztery podejścia:

  • Brak uśredniania – analiza wyników osobno dla każdej klasy;
  • Mikro-uśrednianie – ignorowanie klas i obliczanie metryk globalnie;
  • Makro-uśrednianie – obliczanie metryk dla każdej klasy i ich uśrednianie;
  • Uśrednianie ważone – podobnie jak makro, ale ze średnią ważoną rozmiarem klasy.

Precision i Recall są już zaimportowane z torchmetrics. Czas sprawdzić, jak dobrze działa nasz model!

Instrukcje 1/2

undefined XP
  • 1
    • Zdefiniuj metryki precyzji i czułości obliczane globalnie na wszystkich przykładach.
  • 2
    • Zmień kod tak, aby obliczał oddzielne metryki czułości i precyzji dla każdej klasy, a następnie uśredniał je prostą średnią.