एआई सटीकता और रिकॉल का छोटे डेटासेट पर मूल्यांकन

from sklearn.metrics import precision_score, recall_score

# उदाहरण ग्राउंड ट्रुथ और भविष्यवाणियां
y_true = [0, 1, 2, 0, 1, 2]  # वास्तविक प्रासंगिकता (जैसे, 0: अप्रासंगिक, 1: प्रासंगिक, 2: अत्यधिक प्रासंगिक)
y_pred = [0, 2, 1, 0, 0, 1]  # एआई की अनुमानित प्रासंगिकता

# बाइनरी वर्गीकरण के लिए, आप 'सकारात्मक' वर्ग को परिभाषित कर सकते हैं, उदा., वर्ग 1
# वर्ग 1 के लिए सटीकता
precision = precision_score(y_true, y_pred, pos_label=1, average='binary')
# वर्ग 1 के लिए रिकॉल
recall = recall_score(y_true, y_pred, pos_label=1, average='binary')

print(f"सटीकता (वर्ग 1): {precision:.2f}")
print(f"रिकॉल (वर्ग 1): {recall:.2f}")

from sklearn.metrics import precision_score, recall_score
import numpy as np

y_true_multi = [0, 1, 2, 0, 1, 2]
y_pred_multi = [0, 2, 1, 0, 0, 1]

# प्रत्येक वर्ग के लिए सटीकता और रिकॉल की गणना करें
precision_scores = precision_score(y_true_multi, y_pred_multi, average=None)
recall_scores = recall_score(y_true_multi, y_pred_multi, average=None)

print(f"प्रति वर्ग सटीकता: {precision_scores}")
print(f"प्रति वर्ग रिकॉल: {recall_scores}")

# भारित औसत के लिए उदाहरण
weighted_precision = precision_score(y_true_multi, y_pred_multi, average='weighted')
weighted_recall = recall_score(y_true_multi, y_pred_multi, average='weighted')

print(f"भारित सटीकता: {weighted_precision:.2f}")
print(f"भारित रिकॉल: {weighted_recall:.2f}")

from sklearn.metrics import precision_score, recall_score
import numpy as np

y_true_zero = [0, 0, 0]
y_pred_zero = [0, 0, 0]

# शून्य विभाजन के साथ उदाहरण, डिफ़ॉल्ट 'warn'
print("--- शून्य विभाजन हैंडलिंग ---")
precision_warn = precision_score(y_true_zero, y_pred_zero, average=None, zero_division='warn')
recall_warn = recall_score(y_true_zero, y_pred_zero, average=None, zero_division='warn')
print(f"सटीकता (चेतावनी): {precision_warn}")
print(f"रिकॉल (चेतावनी): {recall_warn}")

# zero_division=1 के साथ उदाहरण
precision_one = precision_score(y_true_zero, y_pred_zero, average=None, zero_division=1)
recall_one = recall_score(y_true_zero, y_pred_zero, average=None, zero_division=1)
print(f"सटीकता (zero_division=1): {precision_one}")
print(f"रिकॉल (zero_division=1): {recall_one}")

# zero_division=np.nan के साथ उदाहरण
precision_nan = precision_score(y_true_zero, y_pred_zero, average=None, zero_division=np.nan)
recall_nan = recall_score(y_true_zero, y_pred_zero, average=None, zero_division=np.nan)
print(f"सटीकता (zero_division=np.nan): {precision_nan}")
print(f"रिकॉल (zero_division=np.nan): {recall_nan}")

from sklearn.metrics import precision_recall_fscore_support

y_true_multi = [0, 1, 2, 0, 1, 2]
y_pred_multi = [0, 2, 1, 0, 0, 1]

precision, recall, fscore, support = precision_recall_fscore_support(y_true_multi, y_pred_multi, average=None)

print(f"सटीकता: {precision}")
print(f"रिकॉल: {recall}")
print(f"F1-स्कोर: {fscore}")
print(f"समर्थन: {support}")