Performance d'un seul modèle
Maintenant que vous avez les vecteurs binaires pour les valeurs réelles et prédites du modèle, vous pouvez calculer plusieurs mesures courantes de classification binaire. Dans cet exercice, vous vous concentrerez sur :
- accuracy : proportion de valeurs correctement prédites par rapport à l'ensemble des prédictions.
- precision : part des prédictions que le modèle a correctement classées comme TRUE.
- recall : part des valeurs réelles TRUE que le modèle a correctement retrouvées.
Cette activité fait partie du cours
Machine Learning dans le tidyverse
Instructions de l’exercice
- Utilisez
table()pour comparer les valeursvalidate_actualetvalidate_predictedpour le modèle d'exemple et le tableau de données validate. - Calculez l'accuracy.
- Calculez la precision.
- Calculez le recall.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
library(Metrics)
# Compare the actual & predicted performance visually using a table
table(___, ___)
# Calculate the accuracy
accuracy(___, ___)
# Calculate the precision
precision(___, ___)
# Calculate the recall
recall(___, ___)