Konfusionsmatrix berechnen
Wie du im Video gelernt hast, liefert das logistische Regressionsmodell zwei Arten von Vorhersagen: einen kontinuierlichen Vorhersagewert in Form einer Wahrscheinlichkeit und eine Klassenvorhersage, die im Beispiel des Wells-Datensatzes eine diskrete Kategorie mit zwei Klassen ist.
In der vorherigen Übung hast du die kontinuierlichen Vorhersagen als Wahrscheinlichkeit berechnet. In dieser Übung nutzt du diese Werte, um jeder Beobachtung in deinem wells_test-Sample eine Klasse zuzuweisen. Abschließend beschreibst du das Modell mit der Konfusionsmatrix.
Die berechneten Vorhersagen prediction und wells_test sind in deinem Workspace geladen.
Diese Übung ist Teil des Kurses
Generalisierte lineare Modelle in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Define the cutoff
cutoff = ____
# Compute class predictions: y_prediction
y_prediction = np.where(____ > ____, 1, 0)