MMatrixTern
उत्पाद

प्रोग्राम की सुविधाएँ · वर्गीकरण के भ्रम मैट्रिक्स

01

अलग लंबाई और अनजान लेबल अस्वीकार करें तथा कभी न दिखने वाली श्रेणियों की गिनती शून्य रखें।

01

मॉडल

बेस URL और आवश्यक होने पर API कुंजी से OpenAI-संगत या Anthropic endpoint सेट करें। कनेक्शन जाँचें। स्थानीय मॉडल सर्वर चालू होना चाहिए; दूरस्थ उपकरण अलग से डेटा भेज सकते हैं।

02

प्रोजेक्ट

फ़ोल्डर चुनें और संपादन से पहले सहायक से संबंधित फ़ाइलें पढ़ने को कहें। काम का उद्देश्य और सीमाएँ बताएँ।

03

बदलाव

बदलाव और कमांड का आउटपुट देखें। परिणाम स्वीकार करने से पहले प्रोजेक्ट की जाँच चलाएँ; बनाया गया कोड अपने आप परीक्षण किया हुआ नहीं होता।

वर्गीकरण के भ्रम मैट्रिक्स

● ● ●MatrixTern●
कार्यप्रवाह · वर्गीकरण के भ्रम मैट्रिक्स ×
def confusion(expected, predicted, labels):
    if len(expected) != len(predicted) or len(set(labels)) != len(labels):
        raise ValueError("labels or lengths")
    index = {label: i for i, label in enumerate(labels)}
    matrix = [[0] * len(labels) for _ in labels]
    for actual, guess in zip(expected, predicted):
        if actual not in index or guess not in index:
            raise ValueError("unknown label")
        matrix[index[actual]][index[guess]] += 1
    return matrix
✳अपेक्षित और अनुमानित लेबल से भ्रम मैट्रिक्स बनाएँ।
✓ बदलावलागू करने से पहले समीक्षा करें ↗
कार्यक्षेत्र का चित्रण
AI के साथ कोड का कार्यक्षेत्र

आपका अगला विचार यहीं शुरू होता है।

Windows के लिए डाउनलोड करें ↗