Matrice de confusion
Lorsque la variable réponse n’a que deux issues, comme pour le churn, les critères de réussite du modèle sont « combien de cas où le client a résilié le modèle a-t-il correctement prédits ? » et « combien de cas où le client n’a pas résilié le modèle a-t-il correctement prédits ? ». On peut les obtenir en générant une matrice de confusion puis en calculant des métriques de synthèse. Un diagramme en mosaïque est un moyen naturel de visualiser les résultats.
churn et mdl_churn_vs_both_inter sont disponibles ; dplyr et yardstick sont chargés.
Cet exercice fait partie du cours
Régression intermédiaire en R
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Get the actual responses from churn
actual_response <- ___
# Get the predicted responses from the model
predicted_response <- ___
# Get a table of these values
outcomes <- ___
# Convert the table to a conf_mat object
confusion <- ___
# See the result
confusion