dcdevaluation

dcdevaluation (decode- 평가 패키지)

dcdevaluation은 모델 평가 프로세스를 최적화하는 라이브러리입니다. 그것은 상파울루 - 브라질을 기반으로 Decode라는 회사의 데이터 과학 팀의 필요성을 기반으로 구축되었습니다. 초기 단계에서와 마찬가지로 현재는 분류 모델 만 지원합니다.

지원되는 지표

• KS
• ROC AUC
• F1- 점수
• 정도
• 상기하다
• 정확성
• "나쁜 속도 그래프"

요구 사항

• Scikit-Learn (> 0.23.2)
• 팬더 (> 1.0.5)
• matplotlib (> 3.3.0)
• Numpy (> 1.18.5)

사용자 설치

• 설치

pip install dcdevaluation

• 가져 오기

from dcdevaluation import Evaluators

행동 양식

이니

"평가자"클래스를 사용하려면 확률 목록 (모델에 의해 출력 될 것임)과 데이터베이스의 실제 값 (모델을 훈련시키는 데 사용되는 대상 기능)을 전달하는 Python 객체로 Instanciate하십시오.

• 예 : :

train_dataset = Evaluators(predicted_y, true_y)

평가하다()

선택한 "데이터 세트"에 대한 모든 지원되는 메트릭 (위 참조)의 속성 점수

 train_dataset.evaluate ()

이 메소드는 다음을 반환합니다.

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

to_table ()

모든 지원되는 메트릭이있는 판다 데이터 프레임을 만듭니다

 train_dataset.to_table ()

이 메소드는 다음을 반환합니다.

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

split_rate_graph (bins)

모델의 좋은 또는 나쁜 속도를 보여주는 그래프를 만듭니다.

속성 빈이있어 사용자가 원하는 스플릿 수를 변경할 수 있습니다 (Default = 10).

 train_dataset.split_rate_graph ()

find_cut (Min, Max)

20 개의 다른 절단 지점에서 정밀, 리콜 및 F1 점수를 보여줍니다.

또한 다양한 절단 지점을 선택할 수있는 옵션이 있습니다 (기본값 : min = 0, max = 20).

 train_dataset.find_cut ()

ROC_CURVE (데이터 세트)

de roc 곡선을 보여주는 그래프로 생성되며 "동전"과 비교됩니다.

 train_dataset.ROC_auc ()