Bắt đầu ngayBắt đầu miễn phí

Precision và recall

Cả precision và recall đều liên quan đến bốn kết quả đã thảo luận ở bài trước và là các chỉ số đánh giá quan trọng cho mọi mô hình Machine Learning. Một mô hình CTR cho quảng cáo lý tưởng nên có precision cao (ROI chi tiêu quảng cáo cao) và recall cao (nhắm đúng nhóm khán giả). Dù bạn có thể tự tính precision và recall bằng tay, sklearn cung cấp các hàm rất tiện mà bạn có thể dễ dàng tích hợp vào quy trình hiện có. Trong bài tập này, bạn sẽ thiết lập một cây quyết định và tính precision và recall.

Mô-đun pandas đã có sẵn dưới tên pd trong môi trường làm việc và DataFrame mẫu đã được nạp là df. Các đặc trưng đã được nạp trong X và biến mục tiêu đã được nạp trong y để sử dụng. Ngoài ra, precision_score() và recall_score() từ sklearn.metrics cũng đã sẵn sàng.

Bài tập này là một phần của khóa học

Dự đoán CTR với Machine Learning trong Python

Xem khóa học

Hướng dẫn bài tập

  • Tạo các tập huấn luyện và kiểm tra cho X và y.
  • Định nghĩa một bộ phân loại cây quyết định và tạo dự đoán y_pred bằng cách fit mô hình.
  • Dùng các hàm có sẵn trong sklearn để lấy điểm precision và recall.

Bài tập tương tác thực hành trực tiếp

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

# Set up training and testing split
X_train, X_test, y_train, y_test = ____(
  ____, ____, test_size = .2, random_state = 0)

# Create classifier and make predictions
clf = ____
y_pred = clf.____(____, _____).____(X_test) 

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