Использование функции Classification_Report в Sklearn

Question

Итак, насколько я понимаю, эта функция работает так, что она разбивает таблицу на две части, а затем сравнивает значения для определения степени прогнозирования

Допустим, у меня есть стол:

Column1   Column2   Column3   Column4   Column5 
3          2          2          43         0
1          2          2          23         1
5          5          2          56         1
4          3          2          13         0
6          1          2          11         1

"Column 5" is label 0 or 1

Я знаю, что первые 3 строки правильны на 100%, потому что я назначил им метки вручную, но строки 4 и 5 были помечены с использованием случайного классификатора леса. Я хочу посмотреть, каков прогноз прогноза

Я хочу использовать классификационный_отчет (y_true, y_pred, target_names = target_names), какими будут мои "y_true", "y_pred"? Я предполагаю, что target_names = 0,1

Answer 1

y_true - истинные метки выборок, а y_pred - прогнозы, сделанные для моей модели.target_name позволяет назначать пользовательские имена меткам классов

ification_report отражает точность, отзыв, f1-оценку и поддержку модели.

Пример, как показано в sklearn https://scikit -learn.org/stable/modules/generated/sklearn.metrics.classification_report.html

from sklearn.metrics import classification_report
y_true = [0, 1, 2, 2, 2]
y_pred = [0, 0, 2, 2, 1]
print(classification_report(y_true, y_pred, target_names=target_names))

Например, точность класса 0 является истинно положительной / истинно положительной + ложно положительной, равной 1/2= 0,5