dcdevaluation

DCDEVALAUTION（解碼 - 評估包）

DCDEVALAUTION是一個優化模型評估過程的庫。它是基於基於聖保羅 - 巴西的一家名為Decode的公司數據科學團隊的必需品。就目前的早期階段而言，它僅支持分類模型。

支持指標

• KS
• roc auc
• F1得分
• 精確
• 記起
• 準確性
• “不良費率圖”

要求

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

用戶安裝

• 安裝

pip install dcdevaluation

• 輸入

from dcdevaluation import Evaluators

方法

init

要使用“評估者”類，請將其安裝到通過概率列表的python對像中（您的模型輸出）和數據庫的真實值（用於訓練模型的目標功能）

• 例如：

train_dataset = Evaluators(predicted_y, true_y)

評價（）

屬性的所有受支持指標的分數（請參見上文）to select“數據集”

 train_dataset.evaluate ()

此方法返回：

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

to_table（）

使用所有受支持的指標創建PANDAS數據框架

 train_dataset.to_table ()

此方法返回：

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

split_rate_graph（bin）

創建一個圖表，顯示模型的好或壞率

具有屬性垃圾箱，允許用戶更改所需的拆分數（默認值= 10）

 train_dataset.split_rate_graph ()

find_cut（min，max）

顯示20個不同切割點的精度，召回和F1得分。

還可以選擇選擇一系列切割點（默認值：min = 0，max = 20）

 train_dataset.find_cut ()

roc_curve（數據集）

以圖形為圖顯示De Roc曲線，並將其與“硬幣”進行比較。

 train_dataset.ROC_auc ()