BaşlayınÜcretsiz başlayın

Temel Çizgi (Baseline)

Bir sınıflandırıcıyı uygun bir temel çizgiye (baseline) göre değerlendirmek önemlidir. Bu, özellikle tıklama oranı gibi dengesiz veri kümeleri için kritiktir; çünkü çoğunluk sınıfını her zaman seçerek kolayca yüksek doğruluk elde edilebilir. Bu egzersizde, çoğunluk sınıfını (tıklama yok) her zaman tahmin eden bir temel sınıflandırıcıyı simüle edecek, bunun karışıklık matrisine bakacak ve precision ile recall değerlerini inceleyeceksin.

X_train, y_train, X_test, y_test çalışma alanında mevcut. Ayrıca pandas pd olarak, numpy np olarak ve sklearn de çalışma alanında mevcut.

Bu egzersiz, kursun bir parçasıdır

Python ile Machine Learning kullanarak TOB tahmini

Kursa Göz Atın

Egzersiz talimatları

  • np.asarray() kullanarak X_test ile aynı uzunlukta, sıfırlardan oluşan bir dizi y_pred oluştur.
  • Ortaya çıkan karışıklık matrisini yazdır.
  • Precision ve recall skorlarını al.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Set up baseline predictions
y_pred = np.____([0 for x in range(len(X_test))])

# Look at confusion matrix
print("Confusion matrix: ")
print(____(y_test, y_pred))

# Check precision and recall
prec = ____(y_test, y_pred, average = 'weighted')
recall = ____(y_test, y_pred, average = 'weighted')
print("Precision: %s, Recall: %s" %(prec, recall))
Kodu Düzenle ve Çalıştır