dcdevaluation

dcdevaluation（デコード - 評価パッケージ）

DCDevaluationは、モデル評価プロセスを最適化するライブラリです。サンパウロ - ブラジルに基づいて、デコードという名前の会社のデータサイエンスチームの必需品に基づいて構築されました。それは初期段階であるため、今のところ、分類モデルのみをサポートしています。

サポートされているメトリック

• KS
• ROC AUC
• F1スコア
• 精度
• 想起
• 正確さ
• 「悪いレートグラフ」

要件

• Scikit-Learn（> 0.23.2）
• パンダ（> 1.0.5）
• matplotlib（> 3.3.0）
• numpy（> 1.18.5）

ユーザーインストール

• インストール

pip install dcdevaluation

• インポート

from dcdevaluation import Evaluators

方法

init

「評価者」クラスを使用するには、確率のリスト（モデルによって出力されます）とデータベースの真の値（モデルのトレーニングに使用されるターゲット機能）を渡すPythonオブジェクトにインスタンス化する

• 例えば：

train_dataset = Evaluators(predicted_y, true_y)

評価する（）

属性は、選択した「データセット」のすべてのサポートされているメトリック（上記を参照）のスコア

 train_dataset.evaluate ()

この方法は返されます：

train_dataset.ks
train_dataset.auc
train_dataset.f1
train_dataset.precision
train_dataset.recall
train_dataset.accuracy

to_table（）

サポートされているすべてのメトリックを備えたPandasデータフレームを作成します

 train_dataset.to_table ()

この方法は返されます：

 # DataFrame with all supported metrics
train_dataset.metric_df
# Transposed DataFrame
train_dataset.t_metric_df

split_rate_graph（ビン）

モデルの良好または悪いレートを示すグラフを作成します

属性ビンを持っているため、ユーザーは目的の数のスプリットを変更できます（デフォルト= 10）

 train_dataset.split_rate_graph ()

find_cut（min、max）

20の異なる切断点の精度、リコール、F1スコアを示します。

また、一連の切断点を選択するオプションがあります（デフォルト：min = 0、max = 20）

 train_dataset.find_cut ()

ROC_CURVE（データセット）

de roc曲線を示すグラフとして作成し、「コイン」との比較です。

 train_dataset.ROC_auc ()