راه
۷ کیو· سادهمبتدیPYTHON۴ ثانیه · ۲۵۶ مگابایت

precision، recall و F1 در یک آستانه

تابع threshold_metrics(y_true, scores, threshold) برچسب‌های واقعی (صفر و یک) و امتیاز مدل برای هر نمونه را می‌گیرد. هر نمونه‌ای که امتیازش دست‌کم threshold باشد مثبت پیش‌بینی می‌شود. خروجی [precision, recall, f1] است:

F1=2⋅precision⋅recallprecision+recallF_1 = \frac{2 \cdot \text{precision} \cdot \text{recall}}{\text{precision} + \text{recall}}

اگر مخرج هر کدام صفر بود، آن مقدار را صفر بگذارید.

نمونه‌ها

ورودی نمونه ۱
[[0, 0, 1, 1, 1, 0], [0.1, 0.4, 0.35, 0.8, 0.9, 0.6], 0.5]
خروجی نمونه ۱
[0.6667, 0.6667, 0.6667]

برای نوشتن پاسخ و دریافت امتیاز، ابتدا وارد حساب شوید.

ورود