Des probabilités à la matrice de confusion

À l'inverse, supposons que vous vouliez être vraiment certain que votre modèle identifie correctement toutes les mines comme des mines. Dans ce cas, vous pourriez utiliser un seuil de prédiction de 0,10 au lieu de 0,90.

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 0.1, 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 0.1, M else R: m_or_r


# Convert to factor: p_class


# Create confusion matrix

Modifier et exécuter le code