1. Nauka
    2. /
  2. Kursy
    3. /
  3. Zwycięstwo w konkursie Kaggle w Pythonie
Connected

ćwiczenie

Zdefiniuj metrykę konkursową

Metryka konkursowa jest używana przez Kaggle do oceny twoich zgłoszeń. Musisz też mierzyć wydajność różnych modeli na lokalnym zbiorze walidacyjnym.

Twoim zadaniem jest ręczne zaimplementowanie kilku metryk konkursowych – na wypadek, gdyby nie były dostępne w sklearn.metrics.

W szczególności zdefiniujesz:

  • Mean Squared Error (MSE) dla problemu regresji: $$MSE = \frac{1}{N}\sum_{i=1}^{N}{(y_i - \hat{y}_i)^2}$$

  • Logarithmic Loss (LogLoss) dla problemu klasyfikacji binarnej: $$LogLoss = -\frac{1}{N}\sum_{i=1}^{N}{(y_i\ln p_i + (1-y_i)\ln (1-p_i))}$$

Instrukcje 1/2

undefined XP
  • 1
    • Używając numpy, zdefiniuj metrykę MSE. Funkcja przyjmuje tablicę prawdziwych wartości y_true oraz tablicę wartości przewidywanych y_pred.
  • 2
    • Używając numpy, zdefiniuj metrykę LogLoss. Funkcja przyjmuje tablicę prawdziwych klas y_true oraz tablicę przewidywanych prawdopodobieństw prob_pred.