評估模型效能
PyBooks 團隊在書籍推薦引擎上已經有了明顯進展。建模團隊提供了兩個可用於 PyBooks 書籍推薦引擎的模型。一個是基於 LSTM（lstm_model），另一個使用 GRU（gru_model）。你的任務是評估並比較這兩個模型。
測試標籤為 y_test，而模型的預測分別為 lstm_model 的 y_pred_lstm，以及 gru_model 的 y_pred_gru。
本練習屬於課程
Deep Learning for Text with PyTorch
練習說明
- 透過指定
num_classes與task，定義用於多類別分類的 accuracy、precision、recall 與 F1。 - 計算並印出
lstm_model的 accuracy、precision、recall 與 F1 分數。 - 以同樣方式計算
gru_model的評估指標。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create an instance of the metrics
accuracy = ____(task=____, num_classes=3)
precision = ____(task=____, num_classes=3)
recall = ____(task=____, num_classes=3)
f1 = ____(task=____, num_classes=3)
# Calculate metrics for the LSTM model
accuracy_1 = accuracy(____, ____)
precision_1 = precision(____, ____)
recall_1 = recall(____, ____)
f1_1 = f1(____, ____)
print("LSTM Model - Accuracy: {}, Precision: {}, Recall: {}, F1 Score: {}".format(accuracy_1, precision_1, recall_1, f1_1))
# Calculate metrics for the GRU model
accuracy_2 = accuracy(____, ____)
precision_2 = precision(____, ____)
recall_2 = recall(____, ____)
f1_2 = f1(____, ____)
print("GRU Model - Accuracy: {}, Precision: {}, Recall: {}, F1 Score: {}".format(accuracy_2, precision_2, recall_2, f1_2))