Я использую потерю журнала для оценки бинарной модели классификации. Ниже приведен мой код
ds = tree.DecisionTreeClassifier()
ds.fit(train, train_labels)
predictions = ds.predict(test)
print("-------------------------------rating-------------------------------------")
print("accuracy score (win_or_not):")
print(accuracy_score(test_labels, predictions))
print("Confusion Matrix (win_or_not):")
print(confusion_matrix(test_labels, predictions))
print()
print("Classification Report (win_or_not)")
print(classification_report(test_labels, predictions))
probs = ds.predict_proba(test)
loss = log_loss(test_labels, probs)
print("the log loss is:")
print(loss)
Я обнаружил, что пробники возвращают либо 0, либо 1, либо (0,376 и 0,623), что делает потеря журнала очень огромна (11,92). Но в отчете о классификации точность составляет 61%, а истинный показатель отзыва составляет 0,46
Кто-нибудь может объяснить, почему это так? Спасибо!