Prédictions d’un seul modèle
Pour évaluer la performance d’un modèle de classification, vous devez comparer les valeurs réelles de Attrition à celles prédites par le modèle.
Lors du calcul des métriques pour des tâches de classification binaire (comme la précision et le rappel), les vecteurs réel et prédit doivent être convertis en valeurs binaires.
Dans cet exercice, vous allez apprendre à préparer ces vecteurs en utilisant, à titre d’exemple, le modèle et le jeu de données de validation issus du premier pli de la validation croisée.
Cet exercice fait partie du cours
<cours>Machine Learning dans le tidyverse</cours>Instructions de l’exercice
- Extrayez le
modelet le data framevalidatedu premier pli de la validation croisée. - Extrayez la colonne
Attritiondu data framevalidateet convertissez les valeurs en binaire (TRUE/FALSE). - Utilisez
modelpour prédire les probabilités d’attrition pour le data framevalidate. - Convertissez les probabilités prédites en un vecteur binaire ; considérez que toute probabilité supérieure à
0.5est TRUE.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Extract the first model and validate
model <- cv_models_lr$___[[___]]
validate <- cv_models_lr$___[[___]]
# Prepare binary vector of actual Attrition values in validate
validate_actual <- ___ == "Yes"
# Predict the probabilities for the observations in validate
validate_prob <- predict(___, ___, type = "response")
# Prepare binary vector of predicted Attrition values for validate
validate_predicted <- ___