Créer une matrice de confusion
Dans cet exemple, supposez que vous avez exécuté un modèle et enregistré les résultats prédits dans un vecteur appelé model_pred. Vous voulez évaluer la performance du modèle, donc vous allez construire une matrice de confusion. Vous comparerez la colonne réelle de l'état du prêt (loan_status) aux valeurs prédites (model_pred), à l'aide de la fonction table(), dont les arguments sont les valeurs réelles et les valeurs prédites. Rappelez-vous la structure de la matrice de confusion :
et les formules :
$$\textrm{Exactitude de la classification} = \frac{(TP + TN)}{(TP + FP + TN + FN)}$$
$$\textrm{Sensibilité} = \frac{TP}{(TP + FN)}$$
$$\textrm{Spécificité} = \frac{TN}{(TN + FP)}$$
Cette activité fait partie du cours
Modélisation du risque de crédit en R
Instructions de l’exercice
- Créez une matrice de confusion en comparant la colonne
loan_statusdetest_setavec le vecteurmodel_pred. Vous pouvez utiliser la fonction table() avec deux arguments pour ce faire. Enregistrez la matrice dans l'objetconf_matrix. - Calculez l'exactitude de la classification et affichez le résultat. Vous pouvez soit sélectionner les bons éléments dans la matrice de confusion à l'aide de
conf_matrix, soit copier-coller les valeurs voulues. - Calculez la sensibilité et affichez le résultat.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Create confusion matrix
# Compute classification accuracy
# Compute sensitivity