1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Úvod do regrese s knihovnou statsmodels v Pythonu
Connected

cvičení

Měření výkonu logistického modelu

Jak už víš, existuje několik metrik pro měření výkonu logistického regresního modelu. V tomto závěrečném cvičení ručně vypočítáš přesnost (accuracy), senzitivitu (sensitivity) a specificitu (specificity). Připomeňme si jejich definice:

Přesnost (accuracy) je podíl správně klasifikovaných předpovědí. $$ \text{accuracy} = \frac{TN + TP}{TN + FN + FP + TP} $$

Senzitivita (sensitivity) je podíl skutečně pravdivých pozorování, která model správně předpověděl jako pravdivá. $$ \text{sensitivity} = \frac{TP}{TP + FN} $$

Specificita (specificity) je podíl skutečně nepravdivých pozorování, která model správně předpověděl jako nepravdivá. $$ \text{specificity} = \frac{TN}{TN + FP} $$

K dispozici máš proměnné churn, mdl_churn_vs_relationship a conf_matrix.

Pokyny

100 XP
  • Extrahuj z conf_matrix počty skutečně pozitivních (TP), skutečně negativních (TN), falešně pozitivních (FP) a falešně negativních (FN) případů.
  • Vypočítej accuracy modelu.
  • Vypočítej sensitivity modelu.
  • Vypočítej specificity modelu.