我正在学习这本书：使用 Scikit-Learn 和 TensorFlow 进行机器学习实践：构建智能系统的概念、工具和技术。

我正在研究信息检索（即，用户搜索某些内容，然后算法根据预先生成的嵌入返回最接近的命中。我有

我正在使用模型来拟合不平衡的数据集。将数据集拆分为训练数据集和测试数据集后，我尝试使用两种

我在 sklearn 中使用 precision_score 来评估异常值检测算法的结果。 我只训练了一个班级，并预测了看不见

我正在研究葡萄酒质量数据集，以预测葡萄酒的质量是好是坏。 我使用了多个分类模型并计算了它

我对通过宏精度和手动召回计算宏 f1 分数感兴趣。但结果并不相等。代码中 f1 和 f1_new 最终公式有什么

我的问题是“我想将召回代码转换为精确代码”。 （回忆部分）这是我从 Kaggle 得到的所有评估模型代

我正在试验 mnist 数据集并想使用召回功能 <code>tf.keras.metrics.Recall</code>。召回率如何应用于 mnist 数据集？

我想使用 <code>sklearn.metrics.recall_score</code> 来评估二值图像分割任务的召回率。 这样做有效： <pre><code

我试图制作精确召回图但无济于事。我有一个程序，它使用 ResNet50 从一组图像中提取特征并将它们存储

我遵循的代码没有给编辑结构提供很大的灵活性。是否可以从 auc_roc_score() 获得混淆矩阵？我可以从可用

假设我有一个具有 2 个可能值的特定属性的数据 - A、B 我有一个用例，我需要在这些数据上运行我

我对 Keras 的 <code>AUC(curve=&#39;PR&#39;)</code> 和 Scikit-learn 的 <code>average_precision_score</code> 之间的区别感到很

我的 <code>import matplotlib import numpy as np import matplotlib.pyplot as plt def h(X): return (10*(np.cos(((120*(np.pi))*x

我使用 sklearns crfsuite 来计算 f1、精度和召回分数，但存在异常。仅出于测试目的，我给出了相同的测试

我在不平衡数据集上执行了 SVM，以 70/30 拆分训练/测试。训练集中的实例数为<em>class 1</em>的<strong>1163993<

我有一个问题，关于当您想要关注二元分类结果中的正类和负类时，应检查哪种性能度量。让我在这里

我正在研究一个二元分类问题，我有一个像这样的 sgd 分类器： <pre><code>sgd = SGDClassifier( max_iter

我想进行一个练习，并使用 Canny Detector 绘制生成为 Precision-Recall (PR) 曲线的图形。为了成功，我学习了 P

我是 Catboost 的新手，我想使用 Precision-Recall 曲线作为 catboost 的自定义评估指标。我该如何实施？