1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Machine Learning s balíčkem caret v R
Connected

cvičení

Vytvoření matice záměn

Jak jsi viděl/a ve videu, matice záměn je velmi užitečný nástroj pro kalibraci výstupu modelu a pro přehled všech možných výsledků tvých předpovědí (pravdivě pozitivní, pravdivě negativní, falešně pozitivní, falešně negativní).

Než matici záměn vytvoříš, musíš předpovězené pravděpodobnosti "rozdělit" podle zvoleného prahu a převést je na faktor s třídními predikcemi. Kombinuj ifelse() s factor() takto:

pos_or_neg <- ifelse(probability_prediction > threshold, positive_class, negative_class)
p_class <- factor(pos_or_neg, levels = levels(test_values))

Funkce confusionMatrix() z balíčku caret rozšiřuje základní table() z R o řadu užitečných doplňkových statistik. Matici záměn (včetně příslušných statistik) vypočítáš na základě předpovězených i skutečných výsledků, například takto:

confusionMatrix(p_class, test_values)

Pokyny

100 XP
  • Pomocí ifelse() vytvoř znakový vektor m_or_r, který nabývá hodnoty pozitivní třídy "M", když je p větší než 0,5, a záporné třídy "R" v ostatních případech.
  • Převeď m_or_r na faktor p_class se stejnými úrovněmi, jaké má test[["Class"]].
  • Vytvoř matici záměn pomocí confusionMatrix() — předej jí p_class a sloupec "Class" z datové sady test.