Medición del rendimiento de los modelos logísticos
Como ya sabrá, existen varias métricas para medir el rendimiento de un modelo de regresión logística. En este último ejercicio, calculará manualmente la precisión, la sensibilidad y la especificidad. Recordemos las siguientes definiciones:
La precisión es la proporción de predicciones correctas. $$ \texto{precisión} = \frac{TN + TP}{TN + FN + FP + TP} $$
La sensibilidad es la proporción de observaciones verdaderas que el modelo predice correctamente como verdaderas. $$ \text{sensibilidad} = \frac{TP}{TP + FN} $$
La especificidad es la proporción de observaciones falsas que el modelo predice correctamente como falsas. $$ \text{especificidad} = \frac{TN}{TN + FP} $$
churn``mdl_churn_vs_relationship y conf_matrix.
Este ejercicio forma parte del curso
Introducción a la regresión con modelos estadísticos en Python
Instrucciones de ejercicio
- Extraiga el número de verdaderos positivos (
TP), verdaderos negativos (TN), falsos positivos (FP) y falsos negativos (FN) deconf_matrix. - Calcula la
accuracydel modelo. - Calcula la
sensitivitydel modelo. - Calcula la
specificitydel modelo.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# Extract TN, TP, FN and FP from conf_matrix
TN = ____
TP = ____
FN = ____
FP = ____
# Calculate and print the accuracy
accuracy = ____
print("accuracy: ", accuracy)
# Calculate and print the sensitivity
sensitivity = ____
print("sensitivity: ", sensitivity)
# Calculate and print the specificity
specificity = ____
print("specificity: ", specificity)