Hacktoberfest 2026：メンテナが10月に向けて印を付けた、オープンで初心者向けの issue。 Hacktoberfest の issue を見る

[T4] Model A: test-set evaluation (accuracy, confusion matrix, precision, recall)

クローズ 初心者向け
  • 何か問題がありますか？
#57 コメント 0 件 リアクション 0 件 担当者 0 名 GitHub で見る

メンテナーはふだん 1 日以内に返信

まだ誰も着手していません。

評価

難易度
2/5
見積もり時間
1〜3時間
初心者へのやさしさ
68/100
issue の種類
機能追加
明瞭さ
明確に書かれている
活発さ
活発
技術スタック
jupyter-notebook, python
領域
machine-learning, testing

調査の方向性

ModelA.ipynbを開き、issue #56で完了した作業を確認して、テストセットとモデルの出力を特定します。classification_reportを使ってテスト精度と、クラス別およびマクロ平均の適合率、再現率、F1を計算し、件数を示す混同行列と行正規化した混同行列をfigures/model_a_confusion.pngに保存します。メトリクスが出力され、図が保存され、短い考察で混同されたクラスと考えられる理由が特定されていれば完了です。

索引モデルが issue の本文から書いたものです。

説明

task-4 ws1-model-a

Assignment task 4 – evaluation part. The test set is used only once, here.

File: ModelA.ipynb

Tasks
  • Test accuracy
  • Per-class and macro precision, recall (and F1) with classification_report
  • Confusion matrix (counts and row-normalised) → figures/model_a_confusion.png
  • Short discussion: which classes are confused (e.g. cats ↔ dogs) and why
Done when

All metrics printed and the confusion-matrix figure saved.

Depends on

#56

Branch: feat/57-model-a-evaluate · open a PR into main with Closes #57 in the description.

主要言語
Jupyter Notebook
スター
0
フォーク
0
平均マージ
2時間 25分
マージ済み PR（30日）
16

環境構築

このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。

はじめの一歩

  1. issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
  2. 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
  3. リポジトリをフォークし、ブランチを切って変更します。
  4. issue 番号を参照したプルリクエストを送ります。

VisionForgeCSE/CNN-For-Image-Classification のほかの issue

VisionForgeCSE/CNN-For-Image-Classification の issue をすべて見る

似ている issue

Machine Learning の issue をもっと見る

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。