Modelli
Configura un endpoint compatibile con OpenAI o Anthropic usando URL di base e chiave API, se necessaria. Prova la connessione. Il server locale deve essere in esecuzione; gli strumenti remoti possono trasmettere dati separatamente.
Prodotto
Funzioni del software · Matrici di confusione per classificazione
01
Rifiuta lunghezze diverse ed etichette sconosciute, mantenendo conteggi nulli per le classi mai osservate.
Progetto
Seleziona una cartella e chiedi all’assistente di leggere i file interessati prima di modificarli. Definisci obiettivo e limiti dell’attività.
Modifiche
Controlla le modifiche e l’output dei comandi. Esegui le verifiche del progetto prima di accettare il risultato: il codice generato non è automaticamente collaudato.
Matrici di confusione per classificazione
● ● ●MatrixTern●
Flussi di lavoro · Matrici di confusione per classificazione ×
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✳Costruisci una matrice di confusione da etichette attese e previste.
✓ ModificheControlla prima di applicare ↗
Illustrazione dell’ambiente
