-1

Estava estudando algumas coisas em Machine Learning, e encontrei o seguinte codigo:

https://github.com/dadosaocubo/nlp/blob/master/NLP_com_scikit_learn.ipynb

Na minha máquina rodou certinho, porém tenho uma dúvida. Nessa parte do código:

itens = ['FEIJÃO','AÇÚCAR','QUEIJO']
for item in itens:
    print('Produto:', item, 'Departamento:', novo_item(item))

Produto: FEIJÃO Departamento: MERCEARIA SALGADA
Produto: AÇUCAR Departamento: MERCEARIA DOCE
Produto: QUEIJO Departamento: FRIOS

Como eu faço pra recuperar a porcentagem de certeza que a maquina tem que o produto pertence ao departamento? Por exemplo, gostaria que o retorno fosse:

Produto: FEIJÃO Departamento: MERCEARIA SALGADA COM 95% DE CERTEZA
Produto: AÇUCAR Departamento: MERCEARIA DOCE COM 84% DE CERTEZA
Produto: QUEIJO Departamento: FRIOS COM 45% DE CERTEZA

Pois quero criar uma métrica, se for acima de 90% de certeza, trazer o departamento. Se for menos que isso, trazer a informação DEPARTAMENTO NÃO LOCALIZADO COM CERTEZA. Como fazer algo nesse tipo?

2
  • No "notebook" do link de seu post, vc já possui uma tabela com precision, recall e f1-score. O que você está querendo exatamente? Commented 24/05/2022 às 16:36
  • Isso, mas eu quero saber a precisão de acerto de um item novo, que não esteja na tabela já cadastrada. Se eu adicionar o item "PRODUTO NOVO TESTE", quero saber a porcentagem de certeza que eu tenho que a categoria correta foi encontrada.
    – zanonale
    Commented 24/05/2022 às 16:59

1 Resposta 1

-1

Por natureza, regressão linear não possui probabilidade de acerto. Isso se dá porque este modelo tenta representar seus dados em uma linha reta. Existem algumas métricas como "Root Mean Square Error (RMSE)", mas não acho que seja o que você procura.

Acredito que outro método como o DecisionTree ou RandomForest funcionaria melhor para seu caso.

Veja o exemplo abaixo:

Importando bibliotecas

import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn import metrics

Criando dados falsos

x = np.array([i for i in range(100)]).reshape(-1, 1)
y = np.array([random.choice(["Area 1", "Area 2", "Area 3"]) for _ in range(100)])

Gerando modelo

clf = RandomForestClassifier()

clf.fit(x, y)

Fazendo predição

clf.predict(np.array(200).reshape(-1, 1))

# O output será algo como
# array(['Area 2'], dtype='<U6')

Checando probabilidades

clf.predict_proba(np.array(200).reshape(-1, 1))

# A resposta será como
# array([[0.25, 0.72, 0.03]])
# Ou seja 25% para Área 1, 72% para Área 2 e 3% para Área 3
4
  • Era isso mesmo que eu precisava. Só complementando, eu consigo alguma forma de identificar cada porcentagem no array? Ou seja, saber que o 0.25 representa a Area 1, e assim por diante?
    – zanonale
    Commented 25/05/2022 às 14:34
  • Veja que ao definir o y a ordem é "Área 1", depois "Área 2"... Você pode fazer um zip desta lista com a de resultados. Commented 25/05/2022 às 21:17
  • Para quem votou negativo, pode informar o motivo para que eu melhore a resposta? Commented 25/05/2022 às 21:17
  • @zanonale, caso ache pertinente, favor marcar a resposta como aceita. Commented 25/05/2022 às 21:18

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .