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.
Bài tập này là một phần của khóa học
Mạng nơ-ron hồi quy (RNN) cho Mô hình ngôn ngữ với Keras
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Use the model to predict on new data
____ = model.____(X_test)
# Choose the class with higher probability
y_pred = np.____(predicted, axis=1)