Функция для печати метрик качества машинного моделирования

Качество машинного моделирования (машинного обучения) определяется по тому, насколько верно угадала обученная на тренировочной выборке исторических данных, применённая к тестовой выборке тех же исторических данных.

Тоесть всю базу данных с историческими данными делят на две группы (обычно в соотношении 80 – 20).

Качество угадывания разных применённых моделей мы сравниваем по специальным метрикам.

Вот функция для печати метрик качества машинного моделирования:

import  as pd

from .model_selection import train_test_split

from  import accuracy_score, precision_score, recall_score, f1_score
from sklearn.metrics import roc_auc_score

# определим функцию, которая будет выводить наши метрики
def print_all_metrics(y_true, y_pred, y_proba, title='Метрики классификации'):
    print(title)
    print('\tAccuracy: {:.2f}'.format(accuracy_score(y_true, y_pred)))
    print('\tPrecision: {:.2f}'.format(precision_score(y_true, y_pred)))
    print('\tRecall: {:.2f}'.format(recall_score(y_true, y_pred)))
    print('\tF1: {:.2f}'.format(f1_score(y_true, y_pred)))
    print('\tROC_AUC: {:.2f}'.format(roc_auc_score(y_true, y_proba)))
Статья понравилась?

Добавить комментарий

Ваш адрес email не будет опубликован.