1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Mạng nơ-ron hồi quy (RNN) cho Mô hình ngôn ngữ với Keras
Connected

Bài tập

Đánh giá hiệu năng trên phân loại đa lớp

Trong bài tập này, bạn sẽ tính các chỉ số đánh giá hiệu năng cho mô hình bằng mô-đun sklearn.metrics.

Mô hình đã được huấn luyện và lưu trong biến model. Ngoài ra, các biến X_test và y_true cũng đã được nạp, cùng với các hàm confusion_matrix() và classification_report() từ gói sklearn.metrics.

Trước tiên, bạn sẽ tính confusion matrix (ma trận nhầm lẫn) của mô hình. Sau đó, để tóm tắt hiệu năng của mô hình, bạn sẽ tính precision (độ chính xác), recall (độ bao phủ) và F1-score bằng hàm classification_report(). Với hàm này, bạn có thể truyền tùy chọn một list chứa tên các lớp (được lưu trong biến news_cat) vào tham số target_names để báo cáo dễ đọc hơn.

Hướng dẫn 1/3

undefined XP
    1
    2
    3
  • Tạo dự đoán trên X_test và lưu vào predicted.
  • Lấy lớp có xác suất dự đoán cao nhất bằng np.argmax(axis=1) và lưu vào y_pred.