ComeçarComece gratuitamente

Seleção de métricas de relatório

O site classification_report() contém muitas métricas diferentes, mas nem sempre você deseja imprimir o relatório completo. Às vezes, você só quer valores específicos para comparar modelos ou usar para outros fins.

Há uma função no scikit-learn que extrai os valores para você. Essa função é precision_recall_fscore_support() e recebe os mesmos parâmetros que classification_report.

Ele é importado e usado assim:

# Import function
from sklearn.metrics import precision_recall_fscore_support
# Select all non-averaged values from the report
precision_recall_fscore_support(y_true,predicted_values)

O conjunto de dados cr_loan_prep, juntamente com as previsões em preds_df, já foram carregados no espaço de trabalho.

Este exercício faz parte do curso

Modelagem de risco de crédito em Python

Ver Curso

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____[____], target_names=target_names))
Editar e executar código