حساب الدقة لنموذج باستخدام معيار Accuracy باستخدام مكتبة scikit-learn

يعتبر من أهم معايير قياس دقة نماذج التصنيف Classification. 
وهو نسبة ماتوقعناه بشكل صحيح إلى مجموع التوقعات الكلية ويستخدم بكثرة، ويمكن التعبير عنه بالصيغة التالية:
Accuracy = (TP+TN)/(TP+FP+FN+TN)
الصيغة العامة للتابع الذي يقوم بحساب الدقة في مكتبة scikit-learn:

sklearn.metrics.accuracy_score(y_true, y_pred, normalize=True)

حيث أن أول وثاني وسيط يمثلان القيم الحقيقية والمتوقعة على التوالي.
الوسيط normalize في حال تم ضبطه على true يعيد قيمة عشرية تمثل الدقة (الحالة الافتراضية)، وفي حال ضبطه على False سيقوم بحساب
TP+TN أي عدد التوقعات الصحيحة للنموذج.

مثال:
 

from sklearn.metrics import accuracy_score
y_pred = [0, 1, 0, 1,0,1]   # بفرض أن القيم المتوقعة كانت 
y_true = [0, 1, 0, 1,1,1]    #  بفرض أن القيم الحقيقية كانت 

# يكون الناتج
print(accuracy_score(y_true, y_pred, normalize=True))   # 0.8333333333333334
# لطباعة الناتج كنسبة مئوية 
print(accuracy_score(y_true, y_pred)*100,'%',sep='')   # 83.33333333333334%

# تنويه: تجد شرح المفاهيم TP,TN,FP,FN في الرابط التالي بالتفصيل.