1. Nauka
    2. /
  2. Kursy
    3. /
  3. Przewidywanie CTR z użyciem uczenia maszynowego w Pythonie
Connected

ćwiczenie

Punkt odniesienia

Ocenianie klasyfikatora względem odpowiedniego punktu odniesienia jest bardzo ważne. Dotyczy to zwłaszcza niezbalansowanych zbiorów danych – takich jak dane o kliknięciach reklam – ponieważ wysoką dokładność można łatwo uzyskać, zawsze przewidując klasę większościową. W tym ćwiczeniu zasymulujemy klasyfikator bazowy, który zawsze przewiduje klasę większościową (brak kliknięcia), i przyjrzymy się jego macierzy pomyłek oraz wartościom precyzji i odzysku (recall).

X_train, y_train, X_test, y_test są dostępne w twoim obszarze roboczym. Dostępne są tam również: pandas jako pd, numpy jako np oraz sklearn.

Instrukcje

100 XP
  • Utwórz y_pred – tablicę zer o tej samej długości co X_test, korzystając z funkcji np.asarray().
  • Wyświetl wynikową macierz pomyłek.
  • Oblicz wartości precyzji i odzysku (recall).