Matice záměn
Když má vysvětlovaná proměnná jen dvě možné hodnoty – jako v případě odchodu zákazníků (churn) – měříme úspěšnost modelu dvěma otázkami: „Kolik případů, kdy zákazník skutečně odešel, model správně předpověděl?" a „Kolik případů, kdy zákazník neodešel, model správně předpověděl?" Odpovědi najdeme pomocí matice záměn a výpočtu souhrnných metrik.
Připomeňme si následující definice:
Přesnost (accuracy) je podíl správně klasifikovaných předpovědí. $$ \text{accuracy} = \frac{TN + TP}{TN + FN + FP + TP} $$
Senzitivita (sensitivity) je podíl skutečně pozitivních pozorování, která model správně předpověděl jako pozitivní. $$ \text{sensitivity} = \frac{TP}{TP + FN} $$
Specificita (specificity) je podíl skutečně negativních pozorování, která model správně předpověděl jako negativní. $$ \text{specificity} = \frac{TN}{TN + FP} $$
K dispozici jsou churn a mdl_churn_vs_both_inter.
Toto cvičení je součástí kurzu
Intermediate Regression with statsmodels in Python
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create conf_matrix
conf_matrix = ____
# Print it
print(conf_matrix)