1. Aprende
    2. /
  2. Cursos
    3. /
  3. Machine Learning với PySpark
Connected

Ejercicio

Đánh giá mô hình Logistic Regression

Accuracy thường không phải là chỉ số đáng tin cậy vì nó có thể bị lệch do lớp mục tiêu phổ biến nhất.

Có hai chỉ số hữu ích khác:

  • precision và
  • recall.

Xem các slide của bài học này để lấy các công thức liên quan.

Precision là tỷ lệ dự đoán dương tính mà đúng. Trong tất cả các chuyến bay được dự đoán là bị trễ, có bao nhiêu phần trăm thực sự bị trễ?

Recall là tỷ lệ kết quả dương tính được dự đoán đúng. Trong tất cả các chuyến bay bị trễ, mô hình dự đoán đúng bao nhiêu phần trăm?

Precision và recall thường được diễn đạt theo lớp mục tiêu dương tính. Nhưng cũng có thể tính các phiên bản weighted của những chỉ số này, xét cả hai lớp mục tiêu.

Các thành phần của ma trận nhầm lẫn có sẵn dưới dạng TN, TP, FN và FP, cũng như đối tượng prediction.

Instrucciones

100 XP
  • Tìm precision và recall.
  • Tạo một evaluator đa lớp và đánh giá weighted precision.
  • Tạo một evaluator nhị phân và đánh giá AUC bằng metric "areaUnderROC".