Créer une matrice de confusion
Dans cet exemple, supposez que vous avez entraîné un modèle et stocké les prédictions dans un vecteur appelé model_pred. Vous souhaitez évaluer ses performances, vous allez donc construire une matrice de confusion. Vous comparerez la colonne d’état du prêt réel (loan_status) aux valeurs prédites (model_pred), en utilisant la fonction table(), dont les arguments sont les valeurs réelles puis les valeurs prédites. Rappelez-vous la structure de la matrice de confusion :
et les formules :
$$\textrm{Classification accuracy} = \frac{(TP + TN)}{(TP + FP + TN + FN)}$$
$$\textrm{Sensitivity} = \frac{TP}{(TP + FN)}$$
$$\textrm{Specificity} = \frac{TN}{(TN + FP)}$$
Cet exercice fait partie du cours
<cours>Modélisation du risque de crédit en R</cours>Instructions de l’exercice
- Créez une matrice de confusion en comparant la colonne
loan_statusdetest_setavec le vecteurmodel_pred. Vous pouvez utiliser la fonction table() avec deux arguments pour cela. Stockez la matrice dans l’objetconf_matrix. - Calculez la précision de classification et affichez le résultat. Vous pouvez soit sélectionner les bons éléments de la matrice via
conf_matrix, soit copier-coller les valeurs souhaitées. - Calculez la sensibilité et affichez le résultat.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Create confusion matrix
# Compute classification accuracy
# Compute sensitivity