Mesurer la performance finale du modèle
Il est maintenant temps de calculer la performance sur l'ensemble de test de votre modèle final (régression logistique). Ici, vous utiliserez les données de test mises de côté pour estimer la performance à laquelle vous pouvez vous attendre lorsque ce modèle sera appliqué à de nouvelles données.
Cette activité fait partie du cours
Machine Learning dans le tidyverse
Instructions de l’exercice
- Utilisez
table()pour comparer les vecteurstest_actualettest_predicted. - Calculez l'exactitude sur l'ensemble de test.
- Calculez la précision sur l'ensemble de test.
- Calculez le rappel sur l'ensemble de test.
- Après cet exercice, vous avez terminé le cours ! Si vous avez aimé le contenu, n'hésitez pas à envoyer un mot de remerciement à Dmitriy sur Twitter. Il va l'apprécier. Tweet to Dmitriy
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Compare the actual & predicted performance visually using a table
___
# Calculate the test accuracy
___
# Calculate the test precision
___
# Calculate the test recall
___