Evalml: Tambahkan tujuan akurasi klasifikasi
Definisi (dari wikipedia) :
Ini muncul dalam diskusi seputar karya awal Dan Putler tentang perbandingan kinerja lintas platform kemarin (catatan di #293). Dan menggunakan tujuan akurasi klasifikasi dalam Applied Modeling, H20 dan R, tetapi menggunakan recall dalam evalml. Jika kami menerapkan akurasi, itu dapat memberikan perbandingan kinerja yang lebih baik. Plus, semakin banyak metrik yang kami dukung, semakin baik.
Akan sangat bagus untuk menjaga implementasi kita cukup umum untuk menangani multiclass, tetapi jika kita harus memulai dengan klasifikasi biner, biarlah.
dsherry
Semua 4 komentar
terkait dengan ini, kita juga harus menerapkan akurasi yang seimbang
kmax12
pada 19 Feb 2020
Mengerti, akan memperbarui rencana proyek tujuan dengan ini!
angela97lin
pada 19 Feb 2020
@ angela97lin saran saya adalah mencantumkan masalah ini di bagian pekerjaan mendatang jika Anda mau, tetapi tidak mengizinkannya memengaruhi lingkup proyek API objektif saat ini. Saya pikir prioritas kami tetap harus menyelesaikan proyek; maka ini akan menjadi masalah pertama yang bagus untuk dikerjakan setelah kami menyelesaikannya. Suara itu oke?
dsherry
pada 19 Feb 2020
Ok setelah berbicara dengan Max dan Angela, rencananya adalah:
1) Ini masih terpisah dari proyek API tujuan
2) Kami dapat mengimplementasikan ini kapan saja, sebelum/selama/setelah proyek itu, itulah sebabnya ada di backlog dev. Ini bukan jumlah pekerjaan yang besar
3) Prioritasnya rendah untuk saat ini
4) Ini akan menjadi masalah yang bagus untuk karyawan baru
dsherry
pada 19 Feb 2020
Masalah terkait
SydneyAyx
·
3Komentar
bchen1116
·
4Komentar
angela97lin
·
5Komentar
dsherry
·
5Komentar
freddyaboulton
·
3Komentar