CommencerCommencez gratuitement

Mesurer la performance finale du modèle

Il est temps de calculer la performance sur le test de votre modèle final (régression logistique). Vous allez utiliser ici les données de test mises de côté pour estimer les performances attendues lorsque ce modèle sera appliqué à de nouvelles données.

Cet exercice fait partie du cours

<cours>Machine Learning dans le tidyverse</cours>
Voir le cours

Instructions de l’exercice

  • Utilisez table() pour comparer les vecteurs test_actual et test_predicted.
  • Calculez l’accuracy sur le test.
  • Calculez la précision sur le test.
  • Calculez le rappel sur le test.
  • Après cet exercice, vous aurez terminé le cours ! Si le contenu vous a plu, n’hésitez pas à envoyer un message de remerciement à Dmitriy sur Twitter. Il appréciera. Tweet to Dmitriy

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Compare the actual & predicted performance visually using a table
___

# Calculate the test accuracy
___

# Calculate the test precision
___

# Calculate the test recall
___
Modifier et exécuter le code