1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Machine Learning in the Tidyverse
Connected

Cvičení

Předpovědi jednoho modelu

Abys mohl/a vyhodnotit výkon klasifikačního modelu, musíš porovnat skutečné hodnoty Attrition s těmi, které model předpověděl. Při výpočtu metrik pro binární klasifikaci (například přesnosti a úplnosti) musí být skutečný i předpovězený vektor převedeny na binární hodnoty.

V tomto cvičení se naučíš, jak tyto vektory připravit – jako příklad použijeme model a validační datový rámec z prvního foldu křížové validace.

Pokyny

100 XP
  • Extrahuj model a validační datový rámec validate z prvního foldu křížové validace.
  • Extrahuj sloupec Attrition z datového rámce validate a převeď hodnoty na binární formát (TRUE/FALSE).
  • Použij model k předpovědi pravděpodobností odchodu zaměstnanců pro datový rámec validate.
  • Převeď předpovězené pravděpodobnosti na binární vektor – předpokládej, že všechny pravděpodobnosti větší než 0.5 jsou TRUE.