Como testar um classificador e avaliar sua performance em Python

Como testar um classificador e avaliar sua performance em Python

A predição de novos exemplos baseia-se no treinamento feito. O classificador treinado utiliza o modelo criado para predizer qual é a classe do novo exemplar. Em python utilizamos a função predict:

# predicting um novo exemplar
sent_pred = classifier.predict(text_test)     

A variável sent_pred retornará um array contendo as classes na qual o classificador acredita que o novo exemplar pertença.   Para realizar a avaliação do classificador devemos utilizar a geração da matriz de confusão:  

from sklearn.metrics import confusion_matrix
cm = confusion_matrix(sent_test,sent_pred)
print (cm)

    [[157 51] [ 28 164]]   A matriz de confusão mostra em sua diagonal principal os exemplos que tiveram acerto (157 + 164) e na diagonal secundária (28 + 51) os exemplos que o classificador errou.        

Vinicius dos Santos

Apenas um apaixonado por Ciência da Computação e forma com que ela pode transformar vidas!

Deixe uma resposta