Định nghĩa thước đo của cuộc thi

Thước đo cuộc thi được Kaggle dùng để đánh giá các bài nộp của bạn. Ngoài ra, bạn cũng cần đo lường hiệu năng của các mô hình khác nhau trên tập kiểm định cục bộ.

Hiện tại, mục tiêu của bạn là tự viết một vài thước đo cuộc thi trong trường hợp chúng không có sẵn trong sklearn.metrics.

Cụ thể, bạn sẽ định nghĩa:

Mean Squared Error (MSE) cho bài toán hồi quy: $$MSE = \frac{1}{N}\sum_{i=1}^{N}{(y_i - \hat{y}_i)^2}$$
Logarithmic Loss (LogLoss) cho bài toán phân loại nhị phân: $$LogLoss = -\frac{1}{N}\sum_{i=1}^{N}{(y_i\ln p_i + (1-y_i)\ln (1-p_i))}$$

1
- Sử dụng numpy, định nghĩa thước đo MSE. Đầu vào hàm là mảng giá trị thật y_true và giá trị dự đoán y_pred.

2
- Sử dụng numpy, định nghĩa thước đo LogLoss. Đầu vào là nhãn thật y_true và xác suất dự đoán prob_pred.