Analiza metryk dla poszczególnych klas

Zagregowane metryki są przydatnym wskaźnikiem wydajności modelu, ale często warto przyjrzeć się metrykom dla poszczególnych klas. Pozwala to wykryć klasy, dla których model radzi sobie słabiej.

W tym ćwiczeniu ponownie uruchomisz pętlę ewaluacyjną, aby obliczyć precyzję klasyfikatora chmur – tym razem osobno dla każdej klasy. Następnie przypiszesz te wartości do nazw klas, aby móc je zinterpretować. Jak zwykle, Precision jest już zaimportowana. Powodzenia!