知识卡片
类别评估应保留实例身份
以测试实例索引i分别建立gold[label]与predicted[label]集合,再求交差可算每类精确率和召回率;这保留了每条样本身份,区别于只对标签名字去重。准确率和每类F1回答不同问题,少数类表现不能仅看总准确率。若只遍历金标出现的标签,预测独有类别也需明确报告策略;模型输出指标字典不意味着其任务设定已可靠。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第7章 情感分析:我很快乐 7.1.2 使用机器学习执行情感分析 · 查看原书依据
gold_results[label].add(i)
参考来源
- 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第7章 情感分析:我很快乐,spine061单元005;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00060.html。
- 结论依据:原文以索引加入各类集合明确比较单位,标签遍历仅由gold构造显示预测独有类报告边界。未在本机运行示例或改变环境。
- 原始内容:: labels.add(label) gold_results[label].add(i) observed = classifier.classify(feats) test_results[observed].add(i) for label in lab