Calculer la matrice de confusion
Comme vous l'avez vu dans la vidéo, le modèle de régression logistique produit deux types de prédictions : une prédiction continue, sous forme de probabilité, et une prédiction de classe qui, dans l'exemple de l'ensemble de données wells, correspond à une catégorie discrète avec deux classes.
Dans l'exercice précédent, vous avez calculé la prédiction continue sous forme de probabilité. Dans cet exercice, vous utiliserez ces valeurs pour attribuer une classe à chaque observation de votre échantillon wells_test. Enfin, vous décrirez le modèle en utilisant la matrice de confusion.
Les prédictions calculées prediction et wells_test sont chargées dans votre espace de travail.
Cette activité fait partie du cours
Modèles linéaires généralisés en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Define the cutoff
cutoff = ____
# Compute class predictions: y_prediction
y_prediction = np.where(____ > ____, 1, 0)