RNN sınıflandırma modellerini değerlendirme

PyBooks ekibi şimdi senden Newsgroup veri kümesini kullanarak oluşturup çalıştırdığın RNN modelini değerlendirmeni istiyor. Hatırla, amaç makaleleri şu üç kategoriden birine sınıflandırmaktı:

rec.autos, sci.med ve comp.graphics.

Model eğitildi ve her epoch için epoch ve loss değerlerini yazdırdın.

Modelini değerlendirmek için torchmetrics kullan. Şunlar senin için yüklendi: Accuracy, Precision, Recall, F1Score.

Önceki egzersizde eğitilmiş rnn_model örneği de senin için önceden yüklendi.

Bu egzersiz

PyTorch ile Metin için Deep Learning

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Kategorilerin sayısına eşit num_classes ile çok sınıflı sınıflandırma için her metrikten birer örnek oluştur.
Test verisi X_test_seq kullanarak rnn_model için tahminleri üret.
Tahmin edilen sınıflar ve gerçek etiketleri kullanarak metrikleri hesapla.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Create an instance of the metrics
accuracy = Accuracy(task="multiclass", ____)
precision = Precision(____, num_classes=____)
recall = Recall(task=____, num_classes=____)
f1 = F1Score(____, ____)

# Generate the predictions
outputs = ____(X_test_seq)
_, predicted = ____.____(outputs, 1)

# Calculate the metrics
accuracy_score = accuracy(____, y_test_seq)
precision_score = precision(____, y_test_seq)
recall_score = recall(____, y_test_seq)
f1_score = f1(____, y_test_seq)
print("RNN Model - Accuracy: {}, Precision: {}, Recall: {}, F1 Score: {}".format(accuracy_score, precision_score, recall_score, f1_score))

Kodu Düzenle ve Çalıştır