Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

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

Đã đóng Phù hợp với người mới
  • Có gì không ổn?
#57 0 bình luận 0 reaction 0 người được giao Xem trên GitHub

Maintainer thường phản hồi trong vòng 1 ngày

Chưa có ai nhận issue này.

Đánh giá

Độ khó
2/5
Thời gian dự kiến
1-3 giờ
Mức phù hợp với người mới
68/100
Loại issue
Tính năng
Độ rõ ràng
Đặc tả rõ ràng
Mức độ hoạt động
Sôi nổi
Công nghệ
jupyter-notebook, python
Lĩnh vực
machine-learning, testing

Hướng nghiên cứu

Mở ModelA.ipynb và xem lại công việc đã hoàn thành của issue #56 để xác định tập kiểm thử và đầu ra của mô hình. Tính độ chính xác trên tập kiểm thử cùng precision, recall và F1 theo từng lớp và macro bằng classification_report; lưu ma trận nhầm lẫn dạng số lượng và chuẩn hóa theo hàng vào figures/model_a_confusion.png. Công việc hoàn tất khi các chỉ số được in ra, hình được lưu và phần thảo luận ngắn xác định các lớp bị nhầm lẫn cùng những nguyên nhân có thể có.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

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.

Ngôn ngữ chính
Jupyter Notebook
Star
0
Fork
0
Merge trung bình
2 giờ 25 phút
Pull request đã merge (30 ngày)
16

Chuẩn bị môi trường

Dự án này không cung cấp dev container, Dockerfile hay hướng dẫn đóng góp, nên bạn cần tự thiết lập môi trường: hãy bắt đầu từ README và xem hướng dẫn đóng góp lần đầu của chúng tôi để biết các bước chung.

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của VisionForgeCSE/CNN-For-Image-Classification

Tất cả issue của VisionForgeCSE/CNN-For-Image-Classification

Issue tương tự

Thêm issue về Machine Learning

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.