ÎncepețiÎncepe gratuit

Evaluarea performanței modelului

Echipa PyBooks a făcut progrese importante cu motorul de recomandare a cărților. Echipa de modelare ți-a pus la dispoziție două modele diferite, gata de utilizare în motorul de recomandare. Un model se bazează pe LSTM (lstm_model), iar celălalt folosește un GRU (gru_model). Sarcina ta este să evaluezi și să compari aceste modele.

Etichetele de testare y_test și predicțiile modelului y_pred_lstm pentru lstm_model, respectiv y_pred_gru pentru gru_model.

Acest exercițiu face parte din cursul

Deep Learning pentru text cu PyTorch

Vezi cursul

Instrucțiuni pentru exercițiu

  • Definește acuratețea, precizia, recall-ul și F1 pentru clasificarea multi-clasă, specificând num_classes și task.
  • Calculează și afișează acuratețea, precizia, recall-ul și scorul F1 pentru lstm_model.
  • În mod similar, calculează metricile de evaluare pentru gru_model.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create an instance of the metrics
accuracy = ____(task=____, num_classes=3)
precision = ____(task=____, num_classes=3)
recall = ____(task=____, num_classes=3)
f1 = ____(task=____, num_classes=3)

# Calculate metrics for the LSTM model
accuracy_1 = accuracy(____, ____)
precision_1 = precision(____, ____)
recall_1 = recall(____, ____)
f1_1 = f1(____, ____)
print("LSTM Model - Accuracy: {}, Precision: {}, Recall: {}, F1 Score: {}".format(accuracy_1, precision_1, recall_1, f1_1))

# Calculate metrics for the GRU model
accuracy_2 = accuracy(____, ____)
precision_2 = precision(____, ____)
recall_2 = recall(____, ____)
f1_2 = f1(____, ____)
print("GRU Model - Accuracy: {}, Precision: {}, Recall: {}, F1 Score: {}".format(accuracy_2, precision_2, recall_2, f1_2))
Editează și rulează codul