NLP P stage Day 3, 9/29 Wed

# train.py
training_args = TrainingArguments(**cfg['TrainingArguments'])


def func1(*arg):
	print(arg)

def func2(**kwarg):
	print(kwarg)

func1('a','b')
func2(first='a', second='b')

# ('a','b')
# {first:'a', second: 'b'}

パラメータの数が分からない場合は、パラメータargまたは**kwargを使用して、argはtuple形式で返され、kwargはdict形式で返されます.kwargはkeyとvalueを同時に入力する必要があります.

# train.py

# F1 = 2 * (precision * recall) / (precision + recall)
# 공식 문서 형식
sklearn.metrics.f1_score(y_true, y_pred, *, labels=None, pos_label=1, average='binary', sample_weight=None, zero_division='warn')
# 실제 활용
sklearn.metrics.f1_score(labels, preds, average="micro", labels=label_indices)

コースを走るf 1 scoreを使用して、0から1の値を返し、100を乗算します.averageはmicroを用い、total true陽性、false陰性、false陽性を用いることを示す.(詳細はこちら)
Calculate metrics globally by counting the total true positives, false negatives and false positives.

# 공식 문서 형식
sklearn.model_selection.StratifiedShuffleSplit(n_splits=10, *, test_size=None, train_size=None, random_state=None)
# 실제 활용
StratifiedShuffleSplit(n_splits=1, test_size=0.2, random_state=42)

StratifiedKFoldとShuffleSplitの組み合わせバージョン

StratifiedKFoldは合奏技法がこんなに早く合奏を使う理由ですか?