การเลือกเมตริกสำหรับรายงาน
classification_report() มีเมตริกหลายประเภทอยู่ภายใน แต่บางครั้งก็ไม่จำเป็นต้องแสดงรายงานทั้งหมด บางทีต้องการเพียงค่าเฉพาะบางค่าเพื่อเปรียบเทียบโมเดลหรือนำไปใช้งานต่อ
ใน scikit-learn มีฟังก์ชันที่ดึงค่าเหล่านั้นออกมาให้โดยตรง นั่นคือ precision_recall_fscore_support() ซึ่งรับพารามิเตอร์เดียวกับ classification_report
ตัวอย่างการนำเข้าและใช้งาน:
# 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)
ชุดข้อมูล cr_loan_prep และค่าการทำนายใน preds_df ถูกโหลดไว้ใน workspace แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การสร้างโมเดลความเสี่ยงด้านเครดิตด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Print the classification report
target_names = ['Non-Default', 'Default']
print(____(____, ____[____], target_names=target_names))