Essayez un autre seuil

Dans les exercices précédents, vous avez utilisé un seuil de 0,50 pour transformer vos probabilités prédites en prédictions de classes (roche ou mine). Cependant, ce seuil de classification ne cadre pas toujours avec les objectifs d'un problème de modélisation donné.

Par exemple, supposons que vous vouliez repérer uniquement les objets dont vous êtes vraiment certain qu'il s'agit de mines. Dans ce cas, vous pourriez utiliser un seuil de probabilité de 0,90 pour obtenir moins de mines prédites, mais avec une plus grande confiance pour chacune des prédictions.

Le canevas de code pour convertir des probabilités en classes prédites, puis calculer une matrice de confusion, a été présenté à l'Exercice 7 de ce chapitre.

Cette activité fait partie du cours

Machine Learning avec caret en R

Voir le cours

Instructions de l’exercice

Utilisez ifelse() pour créer un vecteur de caractères, m_or_r, qui prend la classe positive, "M", lorsque p est supérieur à 0.9, et la classe négative, "R", sinon.
Convertissez m_or_r en facteur, p_class, avec les mêmes niveaux que ceux de test[["Class"]].
Créez une matrice de confusion avec confusionMatrix(), en lui passant p_class et la colonne "Class" de l'ensemble de données test.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# If p exceeds threshold of 0.9, M else R: m_or_r


# Convert to factor: p_class


# Create confusion matrix

Modifier et exécuter le code