Métricas de clasificación en Python

La exactitud sola esconde las fallas interesantes: mira también precisión y recall.

from sklearn.metrics import (accuracy_score, classification_report,
                             f1_score, precision_score, recall_score)

y_real = [0, 1, 1, 0, 1, 1, 0, 1]
y_predicho = [0, 1, 0, 0, 1, 1, 1, 1]

print(f"exactitud {accuracy_score(y_real, y_predicho):.3f}")
print(f"precisión {precision_score(y_real, y_predicho):.3f}")
print(f"recall    {recall_score(y_real, y_predicho):.3f}")
print(f"f1        {f1_score(y_real, y_predicho):.3f}")
print(classification_report(y_real, y_predicho, digits=3))

Cómo funciona

1. La precisión es qué tan seguido acierta una llamada positiva.
2. El recall es cuánto de la clase positiva encontraste.
3. F1 es su media armónica, y el reporte imprime las tres.

Palabras clave y builtins usados aquí

• print

El intento, en números

Líneas

11

Caracteres a escribir

478

Tokens

135

Ritmo de tres estrellas

110 tpm

Al ritmo de tres estrellas de 110 tokens por minuto, este intento toma unos 74 segundos.

Escribe este fragmento

Paso 1 de 4 en Métricas; paso 16 de 25 en Machine learning con scikit-learn.

← Anterior Siguiente →