Calcul des mesures d'exactitude : rappel
Le score de rappel (Recall) est une autre mesure importante pour évaluer l'exactitude d'un algorithme de classification. Il correspond à la** proportion de vrais positifs sur la somme des vrais positifs et des faux négatifs**, soit $$\frac{\text{# de vrais positifs}}{\text{# de vrais positifs} + \text{# de faux négatifs}}.$$
S'il n'y a aucun faux négatif, le score de rappel est égal à 1. S'il n'y a aucun vrai positif, le score de rappel est égal à 0.
Dans cet exercice, vous allez calculer le score de rappel (à l'aide de la fonction recall_score de sklearn) pour votre modèle de classification initial.
Les variables features_test et target_test sont disponibles dans votre espace de travail.
Cette activité fait partie du cours
Analytique RH : prédire le roulement du personnel avec Python
Instructions de l’exercice
- Importez la fonction permettant de calculer le score de rappel.
- Utilisez le modèle initial pour prédire le départ volontaire (churn) à partir des caractéristiques de l'ensemble de test.
- Calculez le score de rappel en comparant
target_testaux prédictions.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Import the function to calculate recall score
from sklearn.____ import ____
# Use the initial model to predict churn
prediction = model.____(features_test)
# Calculate recall score by comparing target_test with the prediction
____(target_test, ____)