Делая прогнозы на основе данных, важно оценивать метрики, связанные с прогнозом, как точку, чтобы попытаться исправить как можно больше ошибок. Одной из довольно простых метрик оценки является матрица путаницы sklearn. На приведенной ниже диаграмме показано, как работает бинарная матрица путаницы. В идеале все положительные результаты были бы истинными, и все отрицательные также были бы истинными, без ложных срабатываний и без ложных отрицаний: Чтобы проиллюстрировать, как..

Визуализатор отчета о классификации отображает оценки точности, отзыва, F1 и поддержки для модели. Есть четыре способа проверить правильность прогнозов: TN / True Negative : случай отрицательный, прогноз отрицательный. TP / True Positive : случай был положительным, прогноз был положительным. FN / False Negative : случай был положительным, но предположительно отрицательным. FP / ложноположительный : случай был отрицательным, но предполагаемый положительный. Точность -..