Essayez un autre seuil

Dans les exercices précédents, vous avez utilisé un seuil de 0,50 pour transformer vos probabilités prédites en classes (roche vs mine). Toutefois, ce seuil de classification ne correspond pas toujours aux objectifs d’un problème de modélisation donné.

Par exemple, imaginez que vous souhaitiez n’identifier que les objets dont vous êtes vraiment certain qu’il s’agit de mines. Dans ce cas, vous pourriez utiliser un seuil de probabilité de 0,90 afin d’obtenir moins de mines prédites, mais avec une plus grande confiance pour chaque prédiction.

Le schéma de code pour découper les probabilités en classes prédites, puis calculer une matrice de confusion, a été présenté dans l’Exercice 7 de ce chapitre.

Cet exercice fait partie du cours

Machine Learning avec caret en R

Afficher le cours

Instructions

Utilisez ifelse() pour créer un vecteur de caractères, m_or_r, qui prend la classe positive, "M", lorsque p est strictement supérieur à 0.9, et la classe négative, "R", sinon.
Convertissez m_or_r en facteur, p_class, avec les mêmes modalités que test[["Class"]].
Créez une matrice de confusion avec confusionMatrix(), en passant p_class et la colonne "Class" du jeu de données test.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# If p exceeds threshold of 0.9, M else R: m_or_r


# Convert to factor: p_class


# Create confusion matrix

Modifier et exécuter le code