Accuracy Score Sklearn - How to Measure the Performance of Your Machine Learning Model

Метод accuracy_score из библиотеки scikit-learn (sklearn) используется для вычисления точности классификации. Этот метод принимает два массива: y_true и y_pred, которые представляют собой истинные метки классов и предсказанные метки классов соответственно.

Например, если у нас есть модель, которая классифицирует изображения на два класса: кошки и собаки, и мы получаем предсказанные метки классов, то мы можем использовать метод accuracy_score, чтобы оценить точность классификации:

 python
from sklearn.metrics import accuracy_score
y_true = [0, 1, 0, 1, 0, 1, 1, 0] # истинные метки классов
y_pred = [0, 1, 1, 1, 0, 1, 0, 1] # предсказанные метки классов
accuracy = accuracy_score(y_true, y_pred) # вычисляем точность
print("Accuracy:", accuracy) # выводим точность

Результат выполнения кода будет: Accuracy: 0.625

Также можно вычислить точность классификации на основе предсказанных вероятностей:

 python
from sklearn.metrics import accuracy_score
y_true = [0, 1, 0, 1, 0, 1, 1, 0] # истинные метки классов
y_proba = [0.8, 0.6, 0.7, 0.9, 0.6, 0.7, 0.4, 0.5] # предсказанные вероятности классов
y_pred = [int(p >= 0.5) for p in y_proba] # конвертируем вероятности в метки классов
accuracy = accuracy_score(y_true, y_pred) # вычисляем точность
print("Accuracy:", accuracy) # выводим точность

Результат выполнения кода будет: Accuracy: 0.625

Таким образом, метод accuracy_score позволяет нам быстро оценить точность классификации, используя истинные метки классов и предсказанные метки классов (или вероятности классов).