轧制精度

Question

我有一个包含二进制预测（data['ypred'] 为 1 或 0）和实际实现（data['y']）的数据框，我想编写一个函数计算最后 n 个值（数据已经按日期排序）的滚动精度（即所有预测中正确预测的百分比）。下面是最后 2 个观察的示例（注意第一行是 NA，最后一行是 50%，因为 2 个中只有 1 个是正确的）：

 dict = [{'ypred': '1','y': '1','rolWinProb': 'NA'},
 {'ypred': '1','y': '1','rolWinProb': '100'},
 {'ypred': '0','y': '1','rolWinProb': '100'},
 {'ypred': '0','y': '1','rolWinProb': '100'},
 {'ypred': '1','y': '0','rolWinProb': '50'}]

 data = pd.DataFrame(dict)

任何人都可以提出一个方法吗？

也许是这样的：

data[(data['y'] ==1 ) & (data['ypred']==1)].rolling(10)

Answer 1

不确定，你从哪里得到你的价值观，但你可以做什么：

N=2
data["rollwinprob"]=data["ypred"].eq(data["y"]).rolling(N).mean().mul(100)

参考。 https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.rolling.html

轧制精度

Rolling Precision

python

prediction

dataframe