معرفی شرکت ها

BinaryClassificationMetrics-0.0.5

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
0.0.5
0.0.4

توضیحات

This package contains various binary classification metric methods.
ویژگی مقدار
سیستم عامل -
نام فایل BinaryClassificationMetrics-0.0.5
نام BinaryClassificationMetrics
نسخه کتابخانه 0.0.5
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Varun V
ایمیل نویسنده varunofficial99@gmail.com
آدرس صفحه اصلی https://github.com/VarunV991/Binary-Classification-Metrics
آدرس اینترنتی https://pypi.org/project/BinaryClassificationMetrics/
مجوز MIT
Binary Classification Metrics This package contains various binary classification methods. The methods included are as follows: 1. Precision Score - precision_score(predicted,actual) 2. Recall Score - recall_score(predicted,actual) 3. Selectivity or True Negative Rate - true_negative_rate(predicted,actual) 4. Negative Predictive Value - negative_predictive_value(predicted,actual) 5. Miss Rate or False Negative Rate - miss_rate(predicted,actual) 6. Fall Out or False Positive Rate - fall_out_score(predicted,actual) 7. False Discovery Rate - false_discovery_rate(predicted,actual) 8. False Omission Rate - false_omission_rate(predicted,actual) 9. Weighted Average Precision Score - weighted_avg_precision_score(predicted,actual) 10. Weighted Average Recall Score - weighted_avg_recall_score(predicted,actual) 11. Confusion Matrix - confusion_matrix(predicted,actual) - Return False Pos,False Neg,True Pos,True Neg * The two arguments are the predicted classes and actual classes of the classification. * Higher Class Number equates to the positive label.


نحوه نصب


نصب پکیج whl BinaryClassificationMetrics-0.0.5:

    pip install BinaryClassificationMetrics-0.0.5.whl


نصب پکیج tar.gz BinaryClassificationMetrics-0.0.5:

    pip install BinaryClassificationMetrics-0.0.5.tar.gz