Modelos
Configure um endpoint compatível com OpenAI ou Anthropic com a URL base e uma chave API, quando necessária. Teste a conexão. O servidor local precisa estar em execução; ferramentas remotas podem transmitir dados separadamente.
Produto
Recursos do programa · Matrizes de confusão de classificação
01
Rejeite comprimentos diferentes e rótulos desconhecidos, mantendo contagem zero nas classes nunca observadas.
Projeto
Escolha uma pasta e peça ao assistente que leia os arquivos relevantes antes de editá-los. Defina o objetivo e os limites da tarefa.
Alterações
Confira as alterações e a saída dos comandos. Execute as verificações do projeto antes de aceitar o resultado; código gerado não vem automaticamente testado.
Matrizes de confusão de classificação
● ● ●MatrixTern●
Fluxos de trabalho · Matrizes de confusão de classificação ×
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✳Monte uma matriz de confusão com os rótulos esperados e previstos.
✓ AlteraçõesRevise antes de aplicar ↗
Ilustração do ambiente
