Αξιολόγηση δυαδικών ταξινομητών

term_id: evaluation_of_binary_classifiers

Category: basic_concepts

Definition

Αυτό το πεδίο περιλαμβάνει την ανάλυση δεικτών όπως η ακρίβεια, η προληπτικότητα, η ανακάλυψη (recall), ο συντελεστής F1 και το Εμβαδόν κάτω από την Καμπύλη ROC (AUC-ROC). Βοηθά στον προσδιορισμό του πόσο καλά ένα μοντέλο διαχωρίζει τις κατηγορίες.

Summary

Η διαδικασία αξιολόγησης της απόδοσης μοντέλων μηχανικής μάθησης που προβλέπουν μία από δύο πιθανές εκβάλλσεις.

Key Concepts

  • Πίνακας Σύγχυσης
  • Εμπορική Ισορροπία Προληπτικότητας-Ανακάλυψης
  • Καμπύλη ROC
  • Συντελεστής F1

Use Cases

  • Ιατρικός έλεγχος ασθενειών
  • Φιλτράρισμα spam email
  • Αξιολόγηση πιστωτικού κινδύνου

Code Example

1
2

from sklearn.metrics import classification_report
print(classification_report(y_true, y_pred))

Related