Des probabilités à la matrice de confusion

À l’inverse, supposons que vous vouliez être vraiment certain que votre modèle identifie correctement toutes les mines comme des mines. Dans ce cas, vous pourriez utiliser un seuil de prédiction de 0,10 au lieu de 0,90.

Le modèle de code pour transformer des 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 0,1, 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 0.1, M else R: m_or_r


# Convert to factor: p_class


# Create confusion matrix

Modifier et exécuter le code