¿Qué son las métricas de Sklearn en Python?
¿Qué son las métricas de Sklearn en Python?

Video: ¿Qué son las métricas de Sklearn en Python?

Video: ¿Qué son las métricas de Sklearn en Python?
Video: MÉTRICAS DE EVALUACIÓN MODELOS DE CLASIFICACIÓN SCIKIT LEARN | #35 Curso Machine Learning con Python 2024, Noviembre
Anonim

los sklearn . métrica El módulo implementa varias funciones de pérdida, puntuación y utilidad para medir el rendimiento de la clasificación. Algunos métrica puede requerir estimaciones de probabilidad de la clase positiva, valores de confianza o valores de decisiones binarias.

Teniendo esto en cuenta, ¿qué es Sklearn en Python?

Scikit-aprender es una biblioteca gratuita de aprendizaje automático para Pitón . Cuenta con varios algoritmos como máquina de vectores de soporte, bosques aleatorios y k-vecinos, y también admite Pitón bibliotecas numéricas y científicas como NumPy y SciPy.

Posteriormente, la pregunta es, ¿qué es Neg_mean_squared_error? Todos los objetos de puntuación siguen la convención de que los valores de retorno más altos son mejores que los valores de retorno más bajos. Por tanto, métricas que miden la distancia entre el modelo y los datos, como métricas. mean_squared_error, están disponibles como neg_mean_squared_error que devuelven el valor negado de la métrica.

Además, ¿qué es la puntuación de precisión en Sklearn?

Precisión clasificación puntaje . En la clasificación de múltiples etiquetas, esta función calcula el subconjunto precisión : el conjunto de etiquetas predichas para una muestra debe coincidir exactamente con el conjunto de etiquetas correspondiente en y_true. En la clasificación binaria y multiclase, esta función es igual a la función jaccard_score.

¿Qué es la puntuación F1 en Python?

Calcule el Puntuación F1 , también conocido como equilibrado F- puntaje o medida F. los Puntuación F1 puede interpretarse como un promedio ponderado de la precisión y el recuerdo, donde un Puntuación F1 alcanza su mejor valor en 1 y el peor puntaje en 0. La contribución relativa de precisión y recuerdo a la Puntuación F1 son iguales.

Recomendado: