Výpočet metrik přesnosti: recall

Recall je další důležitá metrika pro měření přesnosti klasifikačního algoritmu. Vypočítá se jako podíl skutečně pozitivních případů (True Positives) vůči součtu True Positives a False Negatives, tedy $$\frac{\text{# of True Positives}}{\text{# of True Positives} + \text{# of False Negatives}}.$$

Pokud neexistují žádné False Negatives, je recall roven 1. Pokud neexistují žádné True Positives, je recall roven 0.

V tomto cvičení vypočítáš recall (pomocí funkce recall_score z knihovny sklearn) pro svůj počáteční klasifikační model.

Proměnné features_test a target_test jsou dostupné v tvém pracovním prostředí.

Toto cvičení je součástí kurzu

HR Analytics: Predicting Employee Churn in Python

Zobrazit kurz

Pokyny k cvičení

Importuj funkci pro výpočet recallu.
Použij počáteční model k predikci odchodu zaměstnanců (na základě příznaků testovací sady).
Vypočítej recall porovnáním target_test s predikcemi.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import the function to calculate recall score
from sklearn.____ import ____

# Use the initial model to predict churn
prediction = model.____(features_test)

# Calculate recall score by comparing target_test with the prediction
____(target_test, ____)

Upravit a spustit kód