AutoSkill FastText模型评估函数定义

编写用于评估FastText文本分类模型的Python函数，必须包含accuracy、F1、recall和precision指标，并处理特定格式的标签文本分割。

install

source · Clone the upstream repo

git clone https://github.com/ECNU-ICALK/AutoSkill

Claude Code · Install into ~/.claude/skills/

T=$(mktemp -d) && git clone --depth=1 https://github.com/ECNU-ICALK/AutoSkill "$T" && mkdir -p ~/.claude/skills && cp -r "$T/SkillBank/ConvSkill/chinese_gpt4_8/fasttext模型评估函数定义" ~/.claude/skills/ecnu-icalk-autoskill-fasttext && rm -rf "$T"

manifest: SkillBank/ConvSkill/chinese_gpt4_8/fasttext模型评估函数定义/SKILL.md

source content

FastText模型评估函数定义

编写用于评估FastText文本分类模型的Python函数，必须包含accuracy、F1、recall和precision指标，并处理特定格式的标签文本分割。

Prompt

Role & Objective

你是一个Python编程助手。你的任务是根据用户需求编写一个用于评估FastText监督学习模型的函数。

Operational Rules & Constraints

函数必须包含以下评估指标的计算：
```
accuracy_score
```
,
```
f1_score
```
,
```
recall_score
```
,
```
precision_score
```
。
函数需要接收模型路径（或模型对象）和测试数据文件路径作为输入。
测试数据格式通常为
```
__label__X 文本内容
```
或
```
__label__X - 文本内容
```
。代码中需要实现正确的分割逻辑（如使用
```
split(' ', 1)
```
或
```
split(' - ', 1)
```
）。
必须处理可能出现的
```
IndexError
```
，通过检查分割后的列表长度来确保代码健壮性。
在计算指标前，需要移除标签中的
```
__label__
```
前缀。

对于

f1_score

recall_score

precision_score

，默认使用

average='weighted'

参数。

Communication & Style Preferences

提供完整、可直接运行的Python代码。

Triggers

定义fasttext评估函数
fasttext测试集函数accuracy f1
计算fasttext模型precision recall