モデル評価項目

10582 ワード

Python データベースタイム？タスク Linux サーバ MySQL モデル評価

Evaluatorプロジェクト:

MySQLモデル予測結果

を取得

MySQL実績を取得

線下評価

評価結果をMySQL

にアップロード
文書ディレクトリ

プロジェクト構造

1.1評価スケジュール

2スクリプト解析

2.1タイミングスクリプトevaluate.sh

1.2評価モジュールEvaluator

1プロジェクト構造
1.1評価スケジュール

毎週5評価:先週金曜日の前の週の予測結果

を評価
Mon 07 Mon 14 Mon 21 Mon 28 ds_pred_1 ds_eval_1 ds_pred_2 ds_eval_2 ds_pred_3 ds_eval_3 Date of Pred_1 Date of Eval_1 Date of Pred_2 Date of Eval_2 Date of Pred_3 Date of Eval_3 Evaluate Schedule
2スクリプト解析
2.1タイミングスクリプトevaluate.sh

毎週5日

を実行

#!/usr/bin/env bash

#     
WORK_DIR=/home/zhoujialiang/evaluate/

#   
ds_eval=`date -d "-7 days" +%Y-%m-%d`
ds_pred_start=`date -d "$ds_eval -14 days" +%Y-%m-%d`
ds_pred_end=`date -d "$ds_eval -8 days" +%Y-%m-%d`
ds_ban_start=`date -d "$ds_eval -14 days" +%Y-%m-%d`
ds_ban_end=`date -d "$ds_eval -1 days" +%Y-%m-%d`

#        
echo /usr/bin/python3 evaluate.py --tablename zhuxiangua --ds_pred_start $ds_pred_start --ds_pred_end $ds_pred_end --ds_ban_start $ds_ban_start --ds_ban_end $ds_ban_end
/usr/bin/python3 evaluate.py --tablename zhuxiangua --ds_pred_start $ds_pred_start --ds_pred_end $ds_pred_end --ds_ban_start $ds_ban_start --ds_ban_end $ds_ban_end

#        
echo /usr/bin/python3 evaluate.py --tablename sanhuangua --ds_pred_start $ds_pred_start --ds_pred_end $ds_pred_end --ds_ban_start $ds_ban_start --ds_ban_end $ds_ban_end
/usr/bin/python3 evaluate.py --tablename sanhuangua --ds_pred_start $ds_pred_start --ds_pred_end $ds_pred_end --ds_ban_start $ds_ban_start --ds_ban_end $ds_ban_end

#       
echo /usr/bin/python3 evaluate.py --tablename graph --ds_pred_start $ds_pred_start --ds_pred_end $ds_pred_end --ds_ban_start $ds_ban_start --ds_ban_end $ds_ban_end
/usr/bin/python3 evaluate.py --tablename graph --ds_pred_start $ds_pred_start --ds_pred_end $ds_pred_end --ds_ban_start $ds_ban_start --ds_ban_end $ds_ban_end

1.2評価モジュールEvaluator

予測外掛数、実封停数、予測外掛中被封停数を取得し、精度とリコール率

を計算する.

class Evaluator(object):
    """MySQL       

    Attributes:
        _conn: MySQLl  
    """
    def __init__(self, ids_pred, ids_ban):
        self._ids_pred = set(ids_pred)
        self._ids_ban = set(ids_ban)

    def prec_recall(self):
        """         
               ，     ，        ；
                    

        Returns:
            results:       ，   {
                cnt_pos:      
                cnt_true:      
                cnt_pos_true:      
                prec:    
                recall:    
            }   key

        """
        results = dict()
        results['cnt_pos'] = len(self._ids_pred)
        results['cnt_true'] = len(self._ids_ban)
        results['cnt_pos_true'] = results['cnt_pos'] + results['cnt_true'] - len(set(list(self._ids_ban) + list(self._ids_pred)))
        try:
            results['prec'] = results['cnt_pos_true'] / results['cnt_pos']
        except Exception as e:
            logging.error('No predicted results! {}'.format(e))
        try:
            results['recall'] = results['cnt_pos_true'] / results['cnt_true']
        except Exception as e:
            logging.error('No banned role_ids! {}'.format(e))

        return results

C++Access Control Modifiers/C++アクセス制御子

Swiftでカリー化してみた。