Vyhodnocení klasifikace
V předchozí lekci jsi sestavil/a logistický model pro predikci Parkinsonovy nemoci. V tomto cvičení porovnáš předpovědi se skutečnými hodnotami.
Tato dovednost je klíčová, protože firmy se zaměřují na výsledky. Zaměstnavatelé chtějí vědět, jak přesné jsou modely, které vyvíjíš.
Opět sestavíš model pro predikci stavu Parkinsonovy nemoci. Tentokrát model natrénuješ na části datasetu a zbytek použiješ k testování.
Nezapomeň, že \(\text{recall} = \frac{TP}{TP+FN}\).
\(TP\) znamená, že jsme předpověděli pozitivní hodnotu a měli jsme pravdu.
\(FN\) znamená, že jsme předpověděli negativní hodnotu, ale chybně.
Přibližně 80 % řádků datasetu parkinsons bylo přiřazeno do train a zbytek do test.
Toto cvičení je součástí kurzu
Procvičování statistických otázek k pohovoru v R
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Build a logistic model on the train data
model <- ___(___ ~ NHR + ___, data = ___, family = ___)
# Calculate probabilities for the test data
probabilities <- ___(___, newdata = ___, type = ___)