Как оценить напрямую результаты классификации и регрессии?

Question

[Zaraphiston]

Добрый день! Начал изучать ML(на питоне), есть вопрос по прикладному применению моделей. Есть классификаторы, есть способ оценить их(разные метрики, AUC), но я не встречал способа оценить модель на данных. То есть в оригинальных данных есть таргет с значениями 0/1. Есть ли способы отображать выходные значения модели? Тот же вопрос актуален для регрессоров, прошу посоветовать ресурсы и литературу, желательно для питона, но и на с++ пойдет.

Comments

[Сергей Соловьев]

Что значит "способы отображать выходные значения модели"? Не понял вопроса

[Zaraphiston]

Сергей Соловьев, допустим у меня есть df там 1 таргет бинарный и 6-7 фитов, у меня 4 модели я их всех оценил по метрикам, по auc. Но я хочу добавить в df столбец который будет отображать то что модель предсказывала.

[Сергей Соловьев]

Zaraphiston, я правильно понял, что просто хочешь получить результаты предсказания и сравнить с ожидаемым?

[Zaraphiston]

Сергей Соловьев, да, верно

Answer 1

[Максим Припадчев]

Ну у твоей модели есть метод predict. Что то вроде этого.

df['predictions'] = (
    model
   .predict(X)
   .replace({0:'Метка ассоциируема с 0', 1:'Метка ассоциируемая с 1'})
)

Где, X это входные данные массив фич.

Все самые лучшие примеры лежат в доках scikit-learn это вообще где брать примеры относительно ML, а это классический классификатор распознаватель цифр, твой пример куда проще так как у тебя бинарная классификация.