0. 머신러닝 성능 평가 명령
패키지는 동일 : from sklearn.metrics import ...
-
confusion_matrix(y_true, y_pred)
-
accuracy_score(y_true, y_pred)
-
precision_score(y_true, y_pred)
-
recall_score(y_true, y_pred)
-
fbeta_score(y_true, y_pred, beta)
-
f1_score(y_true, y_pred)
-
classfication_report(y_true, y_pred)
-
roc_curve
-
auc
confusion_matrix(y_true, y_pred) : 분류 결과표
분류결과표는 타켓의 원래 클래스와 모형이 예측한 크래스가 일치하는지는 갯수로 센 결과를 표로 나타낸 것
- 사용법
분류결과표 출력
from sklearn.metrics import confusion_matrix
y_true = [2, 0, 2, 2, 0, 1]
y_pred = [0, 0, 2, 2, 0, 2]
confusion_matrix(y_true, y_pred)
classfication_report(y_true, y_pred) : 분류 보고서
- 사용법
from sklearn.metrics import classification_report
y_true = [0, 0, 0, 1, 1, 0, 0]
y_pred = [0, 0, 0, 0, 1, 1, 1]
print(classification_report(y,y_pred,target_names=['class 0','class 1']))
accuracy_score(y_true, y_pred) : 정확도 계산
- 사용법
from sklearn.metrics import accuracy_score
accuracy_score(y1, y1_pred)
Author And Source
이 문제에 관하여(0. 머신러닝 성능 평가 명령), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://velog.io/@tonyhan18/머신러닝-성능-평가-명령
저자 귀속: 원작자 정보가 원작자 URL에 포함되어 있으며 저작권은 원작자 소유입니다.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
from sklearn.metrics import classification_report
y_true = [0, 0, 0, 1, 1, 0, 0]
y_pred = [0, 0, 0, 0, 1, 1, 1]
print(classification_report(y,y_pred,target_names=['class 0','class 1']))
- 사용법
from sklearn.metrics import accuracy_score
accuracy_score(y1, y1_pred)
Author And Source
이 문제에 관하여(0. 머신러닝 성능 평가 명령), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://velog.io/@tonyhan18/머신러닝-성능-평가-명령저자 귀속: 원작자 정보가 원작자 URL에 포함되어 있으며 저작권은 원작자 소유입니다.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)