Python tính điểm chính xác như thế nào?

Learn Data Science with

Tiếp theo, chúng tôi xác định các biến dự đoán và mục tiêu

x = dataset['data'][:,3] # Column 3 is mean area of the tumor y = dataset['target'] # Apply min-max normalization x = (x - np.min(x)) / (np.max(x) - np.min(x) )

Learn Data Science with

Bây giờ, chúng ta có thể định nghĩa một bộ phân loại đơn giản

def a_simple_classifier(x, thres = 0.5): predicted = np.zeros(len(x)) for i in range(len(x)): if x[i] < thres: predicted[i] = 1 return predicted

Learn Data Science with

Ở đây, chúng ta sẽ tạo hàm để lấy các giá trị Accuracy, Precision, Recall và F1 Score

def calculate_metrics(predicted, actual): TP, FP, TN, FN = 0, 0, 0, 0 for i in range(len(predicted)): if (predicted[i] == 0) & (actual[i] == 0): TP += 1 elif (predicted[i] == 0) & (actual[i] == 1): FP += 1 elif (predicted[i] == 1) & (actual[i] == 1): TN += 1 else: FN += 1 accuracy = (TP + TN) / (TP + FP + TN + FN) precision = (TP) / (TP + FP) recall = (TP) / (TP + FN) f1_score = (2 * precision * recall) / (precision + recall) return accuracy, precision, recall, f1_score

Learn Data Science with

Bây giờ chúng ta sẽ áp dụng trình phân loại được xác định ở trên cho các giá trị ngưỡng khác nhau. Chúng tôi đã xác định 20 giá trị ngưỡng khác nhau bằng cách sử dụng def a_simple_classifier(x, thres = 0.5): predicted = np.zeros(len(x)) for i in range(len(x)): if x[i] < thres: predicted[i] = 1 return predicted

Learn Data Science with

thresh = np.linspace(0,1,20) accuracy = np.zeros(len(thresh)) precision = np.zeros(len(thresh)) recall = np.zeros(len(thresh)) f1_score = np.zeros(len(thresh)) print('Threshold \t Accuracy \t Precision\t Recall \t F1 Score ') for i in range(len(thresh)): prediction = a_simple_classifier(x, thresh[i]) accuracy[i], precision[i], recall[i], f1_score[i]=calculate_metrics(prediction, y) print(f'{thresh[i]: .2f}\t\t {accuracy[i]: .2f}\t\t {precision[i]: .2f}\t\t {recall[i]: .2f}\t\t {f1_score[i]: .2f}')

Learn Data Science with

Ngoài

Learn Data Science with

Kết quả cho thấy tác động của việc thay đổi ngưỡng. Tăng ngưỡng sẽ tăng cường Độ chính xác và giảm Thu hồi. Độ chính xác cân bằng Điểm F1 với Thu hồi cao nhất ở ngưỡng. 21

Biểu đồ sau biểu đồ Chính xác so với Thu hồi để xem các thay đổi đối với nhau

import matplotlib.pyplot as plt plt.plot(precision, recall) plt.xlabel('Precision') plt.ylabel('Recall') plt.title('Precision versus Recall') plt.show()

Learn Data Science with

KẾT QUẢ

Learn Data Science with

Bây giờ chúng ta sẽ thực hiện năm bước để tạo mô hình và lấy các số liệu cần thiết

Bước 1. Xác định các biến giải thích và biến mục tiêu

X = dataset['data'] y = dataset['target']

Learn Data Science with

Bước 2. Áp dụng hoạt động chuẩn hóa cho sự ổn định số

x = dataset['data'][:,3] # Column 3 is mean area of the tumor y = dataset['target'] # Apply min-max normalization x = (x - np.min(x)) / (np.max(x) - np.min(x) )

Learn Data Science with

Bước 3. Khớp mô hình hồi quy logistic với dữ liệu tàu

x = dataset['data'][:,3] # Column 3 is mean area of the tumor y = dataset['target'] # Apply min-max normalization x = (x - np.min(x)) / (np.max(x) - np.min(x) )

Learn Data Science with

Bước 4. Đưa ra dự đoán về dữ liệu bằng xác thực chéo

x = dataset['data'][:,3] # Column 3 is mean area of the tumor y = dataset['target'] # Apply min-max normalization x = (x - np.min(x)) / (np.max(x) - np.min(x) )

Learn Data Science with

Bước 5. Tính toán Ma trận Nhầm lẫn theo các giá trị thực tế và dự đoán

x = dataset['data'][:,3] # Column 3 is mean area of the tumor y = dataset['target'] # Apply min-max normalization x = (x - np.min(x)) / (np.max(x) - np.min(x) )

Learn Data Science with

Cuối cùng, chúng ta có thể tạo một bản đồ nhiệt để hiển thị ma trận nhầm lẫn

x = dataset['data'][:,3] # Column 3 is mean area of the tumor y = dataset['target'] # Apply min-max normalization x = (x - np.min(x)) / (np.max(x) - np.min(x) )

Learn Data Science with

Ngoài ra, hãy in báo cáo phân loại để quan sát các số liệu đánh giá

x = dataset['data'][:,3] # Column 3 is mean area of the tumor y = dataset['target'] # Apply min-max normalization x = (x - np.min(x)) / (np.max(x) - np.min(x) )

Learn Data Science with

Ngoài

Learn Data Science with

Từ báo cáo phân loại, chúng ta có thể quan sát giá trị của các chỉ số đánh giá cho từng lớp và giá trị trung bình của từng chỉ số. Ví dụ: độ chính xác và độ thu hồi của mô hình cho Lớp 0 đều là 1. 00, có nghĩa là mô hình có thể dự đoán chính xác tất cả các trường hợp của Lớp 0

Lưu ý rằng báo cáo đưa ra số lượng phiên bản cho mỗi lớp. def a_simple_classifier(x, thres = 0.5): predicted = np.zeros(len(x)) for i in range(len(x)): if x[i] < thres: predicted[i] = 1 return predicted

Learn Data Science with

Learn Data Science with

Hơn nữa, thư viện def a_simple_classifier(x, thres = 0.5): predicted = np.zeros(len(x)) for i in range(len(x)): if x[i] < thres: predicted[i] = 1 return predicted

Learn Data Science with

Dưới đây là các ví dụ về cách tính riêng từng chỉ số bằng cách sử dụng def a_simple_classifier(x, thres = 0.5): predicted = np.zeros(len(x)) for i in range(len(x)): if x[i] < thres: predicted[i] = 1 return predicted

Learn Data Science with

x = dataset['data'][:,3] # Column 3 is mean area of the tumor y = dataset['target'] # Apply min-max normalization x = (x - np.min(x)) / (np.max(x) - np.min(x) )

Learn Data Science with

Ngoài

Learn Data Science with

Các số liệu đánh giá trên đưa ra mức trung bình của các lớp. Nếu chúng ta muốn quan sát độ chính xác cho từng lớp riêng biệt, chúng ta cần xác định tham số def a_simple_classifier(x, thres = 0.5): predicted = np.zeros(len(x)) for i in range(len(x)): if x[i] < thres: predicted[i] = 1 return predicted

Learn Data Science with

x = dataset['data'][:,3] # Column 3 is mean area of the tumor y = dataset['target'] # Apply min-max normalization x = (x - np.min(x)) / (np.max(x) - np.min(x) )

Learn Data Science with

Ngoài

Learn Data Science with

Nhận thông tin cập nhật trong hộp thư đến của bạn

Tham gia cùng hơn 7.500 người học khoa học dữ liệu

Gặp gỡ các tác giả

Fatih Karabiber Ph. D. trong Kỹ thuật máy tính, Nhà khoa học dữ liệu

Phó Giáo sư Kỹ thuật Máy tính. Tác giả/đồng tác giả của hơn 30 ấn phẩm tạp chí. Giảng viên các khóa học sau đại học/đại học. Người hướng dẫn luận văn tốt nghiệp. Tư vấn cho các công ty CNTT

Python tính điểm chính xác như thế nào?

Điểm chính xác và điểm thu hồi trong Python là gì?

Độ chính xác được tính như thế nào?

Hàm nào được sử dụng để tính toán độ chính xác của mô hình trong Python?