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
S’entraîner aux questions d’entretien en statistiques avec Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Generate and output the confusion matrix
from sklearn.metrics import confusion_matrix
preds = clf.predict(X_test)
matrix = confusion_matrix(____, ____)
print(____)