Valutare i modelli: accuratezza ed errore
Un modello addestrato è inutile finché non sai dire quanto è buono. Il punteggio giusto dipende da che cosa stai prevedendo.
Classificazione: accuratezza
Quando l'etichetta è una categoria (spam o no, specie A/B/C), il punteggio più semplice è l'accuratezza: la frazione di previsioni giuste.
from sklearn.metrics import accuracy_score
acc = accuracy_score(y_true, y_pred) # e.g. 0.875 means 7 of 8 rightL'accuratezza va da 0 a 1. Ma "buono" è relativo. Se il 95 per cento delle email non è spam, un modello pigro che risponde sempre "non spam" ottiene già 0.95 senza beccare nemmeno uno spam. Confronta sempre con quel tipo di riferimento ingenuo prima di festeggiare un numero.
Regressione: errore
Quando l'etichetta è un numero continuo (un prezzo, una temperatura), l'accuratezza non ha senso, non prevederai quasi mai il valore esatto. Misuri invece di quanto hai sbagliato. Una scelta comune è l'errore assoluto medio (MAE), la dimensione media dell'errore:
from sklearn.metrics import mean_absolute_error
mae = mean_absolute_error(y_true, y_pred) # in the same units as yIl MAE è nelle unità stesse dell'etichetta, e questo lo rende facile da leggere: un MAE di 12 sui prezzi delle case in migliaia significa che sbagli in media di circa 12k. Più basso è meglio, e 0 è perfetto.
Li calcolerai entrambi: un'accuratezza da previsioni date, e un MAE da una piccola regressione lineare addestrata su una linea perfettamente dritta (quindi il suo errore dovrebbe essere praticamente zero).
Parte 1: ti vengono dati gli array y_true e y_pred (8 etichette ciascuno, diversi in un solo punto). Assegna acc = accuracy_score(y_true, y_pred). Parte 2: X e target descrivono la retta y = 2x. Addestra un LinearRegression chiamato reg su di loro, fai predict su X in reg_pred, poi assegna mae = mean_absolute_error(target, reg_pred).
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.