1. Nauka
    2. /
  2. Kursy
    3. /
  3. Rekurencyjne sieci neuronowe (RNN) do modelowania języka w Keras
Connected

ćwiczenie

Wydajność w klasyfikacji wieloklasowej

W tym ćwiczeniu obliczysz metryki wydajności modeli, korzystając z modułu sklearn.metrics.

Model jest już wytrenowany i zapisany w zmiennej model. Zmienne X_test i y_true są również załadowane, wraz z funkcjami confusion_matrix() i classification_report() z pakietu sklearn.metrics.

Najpierw obliczysz macierz pomyłek modelu. Następnie, aby podsumować jego wydajność, wyznaczysz precyzję, czułość i F1-score za pomocą funkcji classification_report(). Możesz opcjonalnie przekazać do parametru target_names listę (list) z nazwami klas (zapisanymi w zmiennej news_cat), co sprawi, że raport będzie czytelniejszy.

Instrukcje 1/3

undefined XP
    1
    2
    3
  • Wykonaj predykcje na zbiorze X_test i zapisz wynik w zmiennej predicted.
  • Pobierz klasę o najwyższym prawdopodobieństwie, używając np.argmax(axis=1), i zapisz ją w zmiennej y_pred.