A pontuação final de classificação só é útil quando você sabe explicar o denominador dela. Esta lista de exercícios alterna classificadores ajustados, um modelo de referência sem variáveis e diferentes métricas. Cada equipe fictícia tem registros novos, então calcule o resultado solicitado a partir dos arrays fornecidos em vez de carregar um número de uma tarefa anterior.
Mantenha a classe positiva fixa em 1. A precisão descreve os alertas que uma equipe revisaria, enquanto a sensibilidade descreve os casos positivos que ela encontraria. O F1 equilibra essas duas taxas, e a acurácia conta todos os rótulos corretos. Um modelo que prevê apenas a classe majoritária pode fazer a acurácia parecer melhor do que a cobertura dele da classe positiva. As tarefas usam os métodos anteriores sem apresentar outro estimador. Preserve a partição de teste o tempo todo, inclusive quando ajustar o modelo de referência mais simples.
O estimador ajustado aprende com a partição de treino. Prever as entradas reservadas gera uma saída para cada observação de teste, pronta para ser avaliada.