Rendimiento de un único modelo

Ahora que tienes los vectores binarios con los valores reales y los valores predichos del modelo, puedes calcular muchas métricas habituales de clasificación binaria. En este ejercicio te centrarás en:

accuracy: proporción de valores correctamente predichos respecto al total de predicciones.
precision: proporción de predicciones que el modelo clasificó correctamente como TRUE.
recall: proporción de valores reales TRUE que el modelo recuperó correctamente.

Este ejercicio forma parte del curso

Machine Learning en el tidyverse

Ver curso

Instrucciones del ejercicio

Usa table() para comparar los valores validate_actual y validate_predicted del modelo de ejemplo y el data frame de validación.
Calcula la accuracy.
Calcula la precision.
Calcula el recall.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

library(Metrics)

# Compare the actual & predicted performance visually using a table
table(___, ___)

# Calculate the accuracy
accuracy(___, ___)

# Calculate the precision
precision(___, ___)

# Calculate the recall
recall(___, ___)

Editar y ejecutar código