MetricScore
Compute a named metric score (accuracy, r2, f1, etc.) from predictions. / Calcule un score de métrique nommée (accuracy, r2, f1, etc.) à partir des prédictions.
⚡ Rust-native
✓ sklearn parity
Quick start — Python
import seraplot as sp, json
payload = {"y_true": [0,1,1,0,1], "y_pred": [0,1,0,0,1], "metric": "accuracy"}
res = json.loads(sp.ml_metric_score(json.dumps(payload)))
print(res["score"])
EN — Drop-in replacement:
FR — Remplacement direct : même API que sklearn, changez l'import.
sp.MetricScore has the same API as sklearn.FR — Remplacement direct : même API que sklearn, changez l'import.
API Reference
JSON function name
ml_metric_score — aliases: metric_score
Python class
sp.MetricScore(metric=accuracy)
Constructor Parameters
| Parameter | Type | Default | Description |
|---|---|---|---|
metric | str | accuracy | Metric name: `accuracy`, `r2`, `f1`, `precision`, `recall`, `mse`, `mae`. |
Returns
JSON with score.
Example
import seraplot as sp, json
payload = {"y_true": [0,1,1,0,1], "y_pred": [0,1,0,0,1], "metric": "accuracy"}
res = json.loads(sp.ml_metric_score(json.dumps(payload)))
print(res["score"])
Référence API
Nom de fonction JSON
ml_metric_score — alias : metric_score
Classe Python
sp.MetricScore(metric=accuracy)
Paramètres du constructeur
| Paramètre | Type | Défaut | Description |
|---|---|---|---|
metric | str | accuracy | Nom de la métrique : `accuracy`, `r2`, `f1`, `precision`, `recall`, `mse`, `mae`. |
Retourne
JSON avec score.
Exemple
import seraplot as sp, json
payload = {"y_true": [0,1,1,0,1], "y_pred": [0,1,0,0,1], "metric": "accuracy"}
res = json.loads(sp.ml_metric_score(json.dumps(payload)))
print(res["score"])
MetricCurve
Compute a metric curve (ROC, PR, confusion matrix) from predictions. / Calcule une courbe de métrique (ROC, PR, matrice de confusion) à partir des prédictions.
⚡ Rust-native
✓ sklearn parity
Quick start — Python
import seraplot as sp, json
import numpy as np
y_true = (np.random.randn(100) > 0).astype(int).tolist()
y_score = np.random.rand(100).tolist()
res = json.loads(sp.ml_metric_curve(json.dumps({"y_true": y_true, "y_score": y_score, "curve": "roc"})))
EN — Drop-in replacement:
FR — Remplacement direct : même API que sklearn, changez l'import.
sp.MetricCurve has the same API as sklearn.FR — Remplacement direct : même API que sklearn, changez l'import.
API Reference
JSON function name
ml_metric_curve — aliases: metric_curve
Python class
sp.MetricCurve(curve=roc)
Constructor Parameters
| Parameter | Type | Default | Description |
|---|---|---|---|
curve | str | roc | Curve type: `roc`, `pr`, `confusion`. |
Returns
JSON with curve data points.
Example
import seraplot as sp, json
import numpy as np
y_true = (np.random.randn(100) > 0).astype(int).tolist()
y_score = np.random.rand(100).tolist()
res = json.loads(sp.ml_metric_curve(json.dumps({"y_true": y_true, "y_score": y_score, "curve": "roc"})))
Référence API
Nom de fonction JSON
ml_metric_curve — alias : metric_curve
Classe Python
sp.MetricCurve(curve=roc)
Paramètres du constructeur
| Paramètre | Type | Défaut | Description |
|---|---|---|---|
curve | str | roc | Type de courbe : `roc`, `pr`, `confusion`. |
Retourne
JSON avec les points de la courbe.
Exemple
import seraplot as sp, json
import numpy as np
y_true = (np.random.randn(100) > 0).astype(int).tolist()
y_score = np.random.rand(100).tolist()
res = json.loads(sp.ml_metric_curve(json.dumps({"y_true": y_true, "y_score": y_score, "curve": "roc"})))