Probiere einen anderen Schwellenwert

In den vorherigen Übungen hast du einen Schwellenwert von 0,50 verwendet, um deine vorhergesagten Wahrscheinlichkeiten in Klassen (Fels vs. Mine) zu überführen. Dieser Klassifikationsschwellenwert passt jedoch nicht immer zu den Zielen eines bestimmten Modellierungsproblems.

Angenommen, du möchtest nur die Objekte identifizieren, bei denen du dir wirklich sicher bist, dass es Minen sind. In diesem Fall würdest du vielleicht einen Wahrscheinlichkeitsschwellenwert von 0,90 verwenden, um weniger vorhergesagte Minen zu erhalten – dafür aber mit größerem Vertrauen in jede Vorhersage.

Das Code-Muster zum Aufteilen von Wahrscheinlichkeiten in vorhergesagte Klassen und anschließenden Berechnen einer Confusion-Matrix wurde in Übung 7 dieses Kapitels gezeigt.

Diese Übung ist Teil des Kurses

Maschinelles Lernen mit caret in R

Kurs anzeigen

Anleitung zur Übung

Verwende ifelse(), um einen Character-Vektor m_or_r zu erstellen, der die positive Klasse "M" ist, wenn p größer als 0,9 ist, und ansonsten die negative Klasse "R".
Wandle m_or_r in einen Faktor p_class mit denselben Stufen wie test[["Class"]] um.
Erstelle eine Confusion-Matrix mit confusionMatrix(), und übergib p_class sowie die Spalte "Class" aus dem Datensatz test.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# If p exceeds threshold of 0.9, M else R: m_or_r


# Convert to factor: p_class


# Create confusion matrix

Code bearbeiten und ausführen