Bắt đầu ngayBắt đầu miễn phí

Điểm F-beta

F-beta score là trung bình điều hòa có trọng số giữa precision và recall, dùng để nhấn mạnh precision hoặc recall theo cách khác nhau. Trong thực tế, bạn có thể muốn ưu tiên precision hơn recall; điều này có thể thực hiện bằng cách dùng beta nhỏ trong khoảng 0 đến 1. Trong bài này, bạn sẽ tính precision, recall của một bộ phân loại MLP cùng với F-beta score với beta = 0.5.

X_train, y_train, X_test, y_test đã có sẵn trong workspace của bạn, và các đặc trưng đã được chuẩn hóa. pandas với bí danh pd và sklearn cũng đã sẵn sàng. Hàm fbeta_score() từ sklearn.metrics cũng có sẵn.

Bài tập này là một phần của khóa học

Dự đoán CTR với Machine Learning trong Python

Xem khóa học

Hướng dẫn bài tập

  • Chia dữ liệu thành tập huấn luyện và tập kiểm tra.
  • Định nghĩa một bộ phân loại MLP, huấn luyện với .fit(), và dự đoán với .predict().
  • Dùng các hàm của sklearn để lấy precision, recall và F-beta score.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Set up MLP classifier, train and predict
X_train, X_test, y_train, y_test = ____(
  ____, ____, test_size = .2, random_state = 0)
clf = ____(hidden_layer_sizes = (16, ), 
                    max_iter = 10, random_state = 0)
y_pred = clf.____(____, _____).____(X_test) 

# Evaluate precision and recall
prec = ____(y_test, ____, average = 'weighted')
recall = ____(y_test, ____, average = 'weighted')
fbeta = ____(y_test, ____, ____  = 0.5, average = 'weighted')
print("Precision: %s, Recall: %s, F-beta score: %s" %(prec, recall, fbeta))
Chỉnh sửa và Chạy Mã