知识卡片
切片测试要处理空组和缺失值
按职业等属性筛选评价时,某组可能样本极少、无正例或只有缺失值。需要明确分组、标签对齐、零分母及最小支持策略;对NaN直接相等筛选会遗漏缺失组,all空列表也可能虚假通过。
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
- · 模型自动化测试
原书出处 · 1 处
- · 查看原书依据
strata_col_name = "OCCUPATION_TYPE" stratas = data["OCCUPATION_TYPE"].unique().tolist() y = data["DEFAULT"] X = data.drop("DEFAULT", axis=1) X_test, X_train, y_test, y_train = train_test_split(X, y, random_state=10) # get predictions and metric for each strata recall_scores = [] for strata in stratas: X_test_stratified = X_test[X_test[strata_col_name] == strata] y_test_stratified = y_test[y_test.index.isin(X_test_stratified.index)] y_pred_stratified = pipeline.predict(X_test_stratified) # calculate metric recall_for_single_strata = recall_score(y_test_stratified, y_pred_stratified, average="weighted") print(f"{strata}: recall score: {recall_for_single_strata}")