เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Precision กับ Recall

เมตริกความแม่นยำที่เลือกใช้ประเมินโมเดลควรขึ้นอยู่กับบริบทของงาน เสมอ ในตัวอย่างนี้ สมมติว่าคุณเป็นคนที่ไม่ชอบแพ้เกม Tic-Tac-Toe เป็นชีวิตจิตใจ โดยเฉพาะเมื่อมั่นใจว่าตัวเองกำลังจะชนะ

เลือกเมตริกที่เหมาะสมที่สุดระหว่าง precision กับ recall เพื่อทำตัวอย่างนี้ให้สมบูรณ์ จำไว้ว่า ถ้าคิดว่าจะชนะ ต้องชนะให้ได้จริง!

ใช้ rfc ซึ่งเป็นโมเดล random forest classification ที่สร้างจากชุดข้อมูล tic_tac_toe

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การตรวจสอบความถูกต้องของโมเดลใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้าเมตริก precision หรือ recall จาก sklearn โดยมีเพียง หนึ่ง เมธอดเท่านั้นที่เหมาะสมกับบริบทนี้
  • คำนวณค่า precision หรือ recall โดยใช้ y_test เป็นค่าจริง และ test_predictions เป็นค่าที่ทำนาย
  • แสดงผลคะแนนที่ได้จากเมตริกที่เลือก

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

from sklearn.metrics import ____

test_predictions = rfc.predict(X_test)

# Create precision or recall score based on the metric you imported
score = ____(____, ____)

# Print the final result
print("The ____ value is {0:.2f}".format(____))
แก้ไขและรันโค้ด