Метрики классификации в Python доктора Элвина Анга

https://www.alvinang.sg/s/Classification_Metrics_for_ML_Models_by_Dr_Alvin_Ang.ipynb

Когда использовать Что?

Понимание матрицы путаницы

Ошибка типа I против ошибки типа II

Матрица путаницы в Python

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)

import seaborn as sns
from sklearn.metrics import confusion_matrix
cf_matrix = confusion_matrix(y_true, y_pred)

fig, ax = plt.subplots(figsize=(6, 4))
sns.heatmap(cf_matrix, fmt=”d”,cmap=’Blues’, cbar=False, annot=True, ax=ax)

# Set the axes labels and the title
ax.set_xlabel(‘Predicted Labels’, fontsize=12)
ax.set_ylabel(‘Actual Labels’, fontsize=12)
ax.set_title(‘Confusion Matrix’, fontsize=14)
ax.xaxis.set_ticklabels([‘Pred_0’, ‘Pred_1’, ‘Pred_3’])
ax.yaxis.set_ticklabels([‘True_0’, ‘True_1’, ‘True_3’])

# Display the plot
plt.show()

Рекомендации



10 основных показателей оценки моделей для классификационных моделей машинного обучения
Если объяснить нетрадиционно, это послужит исчерпывающим списком для оценки классификационных моделей машинного обучения.towardsdatascience.com



О докторе Элвине Анге

Доктор Элвин Анг получил степень доктора философии, магистра и бакалавра в NTU, Сингапур. Ранее он был главным консультантом (наука о данных), а также доцентом. Он также был адъюнкт-лектором SUSS в течение 8 лет. Его внимание и интерес сосредоточены в области науки о данных в реальном мире. Хотя по образованию он операционный исследователь, его страсть к практическим применениям перевешивает его академическое образование. Он ученый, предприниматель, а также личный/деловой консультант.

Подробнее о нем на www.AlvinAng.sg.