Bewertung von Klassifikationen
Weiter geht’s mit Bewertungsmetriken: Dieses Mal bewertest du unser logistisches Regressionsmodell von vorhin mit dem Ziel, das binäre Merkmal RainTomorrow anhand der Luftfeuchtigkeit vorherzusagen.
Wir haben das Modell bereits als clf importiert und die gleichen Test-Sets den Variablen X_test und y_test zugewiesen. Erzeuge und analysiere die Confusion-Matrix und berechne anschließend sowohl Precision als auch Recall, bevor du ein Fazit ziehst.
Diese Übung ist Teil des Kurses
Statistik-Interviewfragen in Python üben
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Generate and output the confusion matrix
from sklearn.metrics import confusion_matrix
preds = clf.predict(X_test)
matrix = confusion_matrix(____, ____)
print(____)