Python包classeval
classeval的Python项目详细描述
等级评定
开发了classeval
库来评估任何类型的^{str1}$两类或^{str1}$多类模型的性能。classeval
在两类分类模型的情况下计算许多评分指标。从sklearn
开始使用一些测量方法,其中AUC、MCC、Cohen-kappa评分、matthews相关系数,而其他的则是定制的。这个库可以帮助一致地比较各种模型的输出。此外,它还可以在调整和评估所使用的阈值时提供调整模型性能的见解。classeval
的输出随后可以绘制成ROC曲线、混淆矩阵、类分布和概率图。这样的绘图有助于更好地理解结果。在
文件
导航到API documentations以获取更多详细信息。在
内容
安装
- 从PyPI安装classeval(推荐)。classeval与python3.6+兼容,可以在Linux、macosx和Windows上运行。在
- 它是根据麻省理工学院的许可证发行的。在
快速启动
pip install classeval
- 或者,从GitHub源安装classeval:
导入classeval包
importclassevalasclf
示例两类模型:
fromsklearn.model_selectionimporttrain_test_splitfromsklearn.ensemble.gradient_boostingimportGradientBoostingClassifiergb=GradientBoostingClassifier()X,y=clf.load_example('breast')X_train,X_test,y_train,y_true=train_test_split(X,y,test_size=0.2)model=gb.fit(X_train,y_train)y_proba=model.predict_proba(X_test)[:,1]y_pred=model.predict(X_test)# Evaluateout=clf.eval(y_true,y_proba,pos_label='malignant')ax=clf.plot(out,figsize=(20,15),fontsize=14)
多类模型示例:
X,y=clf.load_example('iris')X_train,X_test,y_train,y_true=train_test_split(X,y,test_size=0.5)model=gb.fit(X_train,y_train)y_pred=model.predict(X_test)y_proba=model.predict_proba(X_test)y_score=model.decision_function(X_test)# Allout=clf.eval(y_true,y_proba,y_score,y_pred)ax=clf.plot(out)
引文
如果这对你的研究有用,请在你的出版物中引用classeval。以下是BibTeX条目示例:
@misc{erdogant2020classeval,title={classeval},author={Erdogan Taskesen},year={2019},howpublished={\url{https://github.com/erdogant/classeval}},}
维修人员
- Erdogan Taskesen,github:erdogant
贡献
- 欢迎投稿。在
许可证
有关详细信息,请参见LICENSE。在
- 项目
标签: