Začněte nyníZačněte zdarma

Výpočet matice záměn

Matice záměn (někdy také tabulka záměn) tvoří základ všech metrik výkonu pro modely s kategorickou odezvou (jako je logistická regrese). Obsahuje počty každé kombinace skutečné a předpovězené odpovědi. V tomto případě, kdy existují dvě možné odpovědi (odchod nebo setrvání zákazníka), máme celkem čtyři možné výsledky.

  1. Pravdivě pozitivní: Zákazník odešel a model to správně předpověděl.
  2. Falešně pozitivní: Zákazník neodešel, ale model předpověděl, že odejde.
  3. Pravdivě negativní: Zákazník neodešel a model správně předpověděl, že neodejde.
  4. Falešně negativní: Zákazník odešel, ale model předpověděl, že neodejde.

K dispozici jsou churn a mdl_churn_vs_relationship.

Toto cvičení je součástí kurzu

Úvod do regrese s knihovnou statsmodels v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Získej skutečné odpovědi výběrem sloupce has_churned z datové sady. Přiřaď do actual_response.
  • Získej z modelu „nejpravděpodobnější" předpovězené odpovědi. Přiřaď do predicted_response.
  • Vytvoř DataFrame z actual_response a predicted_response. Přiřaď do outcomes.
  • Vypiš outcomes jako tabulku počtů představující matici záměn. Tento krok je již hotový.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Get the actual responses
actual_response = ____

# Get the predicted responses
predicted_response = ____

# Create outcomes as a DataFrame of both Series
outcomes = pd.DataFrame({____,
                         ____})

# Print the outcomes
print(outcomes.value_counts(sort = False))
Upravit a spustit kód