Calculer la matrice de confusion
Comme vous l’avez vu dans la vidéo, le modèle de régression logistique génère deux types de prédictions : une prédiction continue sous forme de probabilité, et une prédiction de classe qui, dans l’exemple du jeu de données des puits (wells), est une catégorie discrète à deux classes.
Dans l’exercice précédent, vous avez calculé la prédiction continue sous forme de probabilité. Dans cet exercice, vous allez utiliser ces valeurs pour affecter une classe à chaque observation de votre échantillon wells_test. Enfin, vous décrirez le modèle à l’aide de la matrice de confusion.
Les prédictions calculées prediction et wells_test sont chargés dans votre espace de travail.
Cet exercice fait partie du cours
Modèles linéaires généralisés en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Define the cutoff
cutoff = ____
# Compute class predictions: y_prediction
y_prediction = np.where(____ > ____, 1, 0)