#PYTHON

Explorando Scikit-Learn: Avaliar desempenho do modelo – Matriz de confusão e métricas de classificação
ESTE VÍDEO (5): Nesse vídeo avaliaremos o modelo aplicado na aula anterior em um conjunto de dados de validação. Essa avaliação usará as principais métricas de tarefas de classificação, como matriz de confusão, acurácia, precisão, recall e F1-score. Estas métricas são aplicáveis tanto nos algoritmos de árvore de decisão que estamos usando quanto em outros tipos de classificadores.
Notebook com exemplo usado na aula*: https://github.com/janiosl/python.ds/...
*A versão atualizada do código será liberada juntamente com a publicação do vídeo.
REFERÊNCIAS:
Géron, Aurélien (2019). Mãos à Obra Aprendizagem de Máquina com Scikit-Learn & TensorFlow: Conceitos, ferramentas e técnicas para a construção de sistemas inteligentes. Traduzido por Rafael Contatori. Alta Books.
McKinney, Wes (2018). Python para Análise de Dados: tratamento de dados com pandas, numpy e iPython. Traduzido por Lúcia A. Kinoshita. Novatec.
Toledo, Geraldo Luciano e Ovalle, Ivo Izidório (1985) Estatítisca Básica. São Paulo: Atlas