1. Learn
    2. /
  2. Курси
    3. /
  3. Проєктування робочих процесів машинного навчання в Python
Connected

Вправа

Нагадування про метрики якості

Пам'ятаєте набір даних про кредит? З усіма новими знаннями про метрики давайте знову подивимося, наскільки добре працює випадковий ліс на цьому наборі. Ви вже натренували класифікатор і отримали матрицю неточностей на тестових даних. Тестові дані та результати доступні вам як tp, fp, fn і tn — відповідно істинно позитивні, хибно позитивні, хибно негативні та істинно негативні. Також у вас є еталонні мітки для тестових даних y_test і передбачені мітки preds. Функції f1_score() і precision_score() уже імпортовано.

Інструкції 1/3

undefined XP
  • 1

    Обчисліть F1-міру для вашого класифікатора за допомогою функції f1_score().

  • 2

    Обчисліть точність (precision) для цього класифікатора за допомогою функції precision_score().

  • 3

    Accuracy — це частка прикладів, які було класифіковано правильно. Обчисліть її без використання accuracy_score().