Metrik nedir?
- Makine Öğrenmesi kursu
- Başlangıç
- Ders 97/112
- 5 dk
Metrik, model performansını ölçen sayısal bir değerdir.
Metrik nedir?
Metrik, modelin başarısını tek bir sayıyla özetler. İki ayrı kavramı karıştırmamak gerekir:
- Kayıp (loss): eğitim sırasında optimize edilen fonksiyon (log-loss, MSE).
- Metrik: insanların başarıyı yorumladığı ölçü (doğruluk, F1, MAE).
from sklearn.metrics import get_scorer_names
print(len(get_scorer_names())) # onlarca hazır ölçüt
print("roc_auc" in get_scorer_names()) # TrueÖlçüt, problemin gerçek maliyetini yansıtmalıdır; yanlış metrik doğru görünen ama işe yaramayan modele götürür.
Log-loss: olasılıkların kalitesi
Log-loss, doğru sınıfa verilen olasılığın negatif logaritmasının ortalamasıdır. Emin ama yanlış tahminleri çok sert cezalandırır:
from sklearn.metrics import log_loss
print(round(log_loss([1, 0], [[0.1, 0.9], [0.8, 0.2]]), 3)) # 0.164 iyi
print(round(log_loss([1, 0], [[0.9, 0.1], [0.2, 0.8]]), 3)) # 1.956 emin ve yanlışDoğruluk yalnızca kararı, log-loss ise olasılıkların ne kadar iyi ayarlandığını ölçer.
Uygulama Log-loss karşılaştır
Aynı kararları veren ama farklı emin olan iki olasılık kümesi için log_loss değerlerini round(..., 3) ile alt alta yazdır.
Başlangıç kodu
from sklearn.metrics import log_loss
y = [1, 0, 1]
emin = [[0.05, 0.95], [0.9, 0.1], [0.2, 0.8]]
kararsiz = [[0.45, 0.55], [0.55, 0.45], [0.4, 0.6]]
# buraya yazÖrnek çözüm
from sklearn.metrics import log_loss
y = [1, 0, 1]
emin = [[0.05, 0.95], [0.9, 0.1], [0.2, 0.8]]
kararsiz = [[0.45, 0.55], [0.55, 0.45], [0.4, 0.6]]
print(round(log_loss(y, emin), 3))
print(round(log_loss(y, kararsiz), 3))Beklenen çıktı
0.127 0.569
Soru ve cevaplar
Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.
1 Lojistik regresyon eğitimde neyi küçültür?
- Doğruluğu
- F1'i
- R²'yi
- Log-loss (çapraz entropi) Doğru cevap
Açıklama: Doğruluk türevlenemez; eğitimde türevlenebilir log-loss kullanılır.
2 Olasılıkların log-loss değerini hesapla.
kayip = ____(y_true, olasiliklar)kayip = log_loss(y_true, olasiliklar)Açıklama: log_loss, predict_proba çıktısıyla çalışır.
3 Kavramları eşleştir.
| Kavram | Anlamı |
|---|---|
kayıp |
Eğitimde küçültülür |
metrik |
Başarıyı yorumlar |
log_loss |
Olasılık kalitesi |
get_scorer_names |
Hazır ölçütler |