ПочатиПочніть безкоштовно

Оцінювання якості моделі

Команда PyBooks досягла помітного прогресу в системі рекомендацій книжок. Команда моделювання надала вам дві різні моделі для вашого рушія рекомендацій у PyBooks. Одна модель побудована на LSTM (lstm_model), а інша використовує GRU (gru_model). Ваше завдання — оцінити та порівняти ці моделі.

Є тестові мітки y_test і передбачення моделей: y_pred_lstm для lstm_model та y_pred_gru для gru_model.

Ця вправа є частиною курсу

Глибоке навчання для тексту з PyTorch

Переглянути курс

Інструкції до вправи

  • Визначте accuracy, precision, recall і F1 для багатокласової класифікації, вказавши num_classes і task.
  • Обчисліть і виведіть accuracy, precision, recall та F1 для lstm_model.
  • Так само обчисліть метрики оцінювання для gru_model.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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))
Редагувати та запускати код