1. Apprendre
    2. /
  2. Cours
    3. /
  3. Introduction à la régression avec statsmodels en Python
Connected

Exercice

Mesurer la performance d'un modèle logistique

Comme vous le savez maintenant, il existe plusieurs mesures pour évaluer la performance d'un modèle de régression logistique. Dans cet ultime exercice, vous allez calculer manuellement l'exactitude, la sensibilité et la spécificité. Rappelez-vous les définitions suivantes :

Accuracy (exactitude) est la proportion de prédictions correctes. $$ \text{accuracy} = \frac{TN + TP}{TN + FN + FP + TP} $$

Sensitivity (sensibilité) est la proportion d'observations vraies correctement prédites par le modèle comme étant vraies. $$ \text{sensitivity} = \frac{TP}{TP + FN} $$

Specificity (spécificité) est la proportion d'observations fausses correctement prédites par le modèle comme étant fausses. $$ \text{specificity} = \frac{TN}{TN + FP} $$

churn, mdl_churn_vs_relationship et conf_matrix sont disponibles.

Instructions

100 XP
  • Extrayez le nombre de vrais positifs (TP), de vrais négatifs (TN), de faux positifs (FP) et de faux négatifs (FN) à partir de conf_matrix.
  • Calculez l'accuracy (exactitude) du modèle.
  • Calculez la sensitivity (sensibilité) du modèle.
  • Calculez la specificity (spécificité) du modèle.