Eine Konfusionsmatrix erstellen

In diesem Beispiel nehmen wir an, dass du ein Modell ausgeführt und die vorhergesagten Ergebnisse in einem Vektor namens model_pred gespeichert hast. Du willst sehen, wie gut das Modell abgeschnitten hat, und erstellst dafür eine Konfusionsmatrix. Du vergleichst die tatsächliche Spalte zum Kreditstatus (loan_status) mit den vorhergesagten Werten (model_pred) mithilfe der Funktion table(), bei der die Argumente die wahren Werte und die Vorhersagen sind. Zur Erinnerung, so ist die Konfusionsmatrix aufgebaut:

und die Formeln:

$$\textrm{Classification accuracy} = \frac{(TP + TN)}{(TP + FP + TN + FN)}$$

$$\textrm{Sensitivity} = \frac{TP}{(TP + FN)}$$

$$\textrm{Specificity} = \frac{TN}{(TN + FP)}$$

Diese Übung ist Teil des Kurses

<Kurs>Kreditrisikomodellierung in R</Kurs>

Kurs ansehen

Übungsanweisungen

Erstelle eine Konfusionsmatrix, in der du die Spalte loan_status aus test_set mit dem Vektor model_pred vergleichst. Verwende dazu die Funktion table() mit zwei Argumenten. Speichere die Matrix im Objekt conf_matrix.
Berechne die Klassifikationsgenauigkeit und gib das Ergebnis aus. Du kannst entweder die passenden Matrixelemente aus conf_matrix auswählen oder die benötigten Werte kopieren und einfügen.
Berechne die Sensitivität und gib das Ergebnis aus.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Create confusion matrix


# Compute classification accuracy


# Compute sensitivity

Code bearbeiten und ausführen