1. Learn
    2. /
  2. Courses
    3. /
  3. Як перемагати в змаганнях Kaggle за допомогою Python
Connected

Exercise

Визначте метрику змагання

Метрики змагання Kaggle використовує для оцінювання ваших відправлень. Крім того, вам також потрібно вимірювати якість різних моделей на локальній валідаційній вибірці.

Зараз ваша мета — вручну реалізувати кілька метрик змагання на випадок, якщо їх немає в sklearn.metrics.

Зокрема, ви визначите:

  • Середньоквадратичну помилку (MSE) для задачі регресії: $$MSE = \frac{1}{N}\sum_{i=1}^{N}{(y_i - \hat{y}_i)^2}$$

  • Логарифмічні втрати (LogLoss) для задачі бінарної класифікації: $$LogLoss = -\frac{1}{N}\sum_{i=1}^{N}{(y_i\ln p_i + (1-y_i)\ln (1-p_i))}$$

Instructions 1/2

undefined XP
  • 1
    • Використовуючи numpy, визначте метрику MSE. На вхід функції подаються істинні значення y_true та передбачені значення y_pred.
  • 2
    • Використовуючи numpy, визначте метрику LogLoss. На вхід подаються істинні класи y_true та передбачені ймовірності prob_pred.