Évaluation en classification
Poursuivons avec les métriques d’évaluation : cette fois, vous allez évaluer notre modèle de régression logistique utilisé précédemment, dont l’objectif est de prédire la variable binaire RainTomorrow à partir de l’humidité.
Nous avons déjà importé le modèle sous le nom clf ainsi que les mêmes jeux de test affectés aux variables X_test et y_test. Générez et analysez la matrice de confusion, puis calculez la précision et le rappel avant de tirer une conclusion.
Cet exercice fait partie du cours
<cours>S’entraîner aux questions d’entretien en statistiques avec Python</cours>Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Generate and output the confusion matrix
from sklearn.metrics import confusion_matrix
preds = clf.predict(X_test)
matrix = confusion_matrix(____, ____)
print(____)