शुरू करेंमुफ़्त में शुरू करें

Logistic मॉडल का प्रदर्शन मापना

अब तक आप जान चुके हैं कि logistic regression मॉडल के प्रदर्शन को मापने के लिए कई metrics होते हैं। इस आख़िरी अभ्यास में, आप accuracy, sensitivity, और specificity को manually गणना करेंगे। नीचे दी गई परिभाषाएँ याद रखें:

Accuracy वह अनुपात है जिसमें की गई भविष्यवाणियाँ सही होती हैं. $$ \text{accuracy} = \frac{TN + TP}{TN + FN + FP + TP} $$

Sensitivity वह अनुपात है जिसमें true observations को मॉडल सही तरह से true के रूप में predict करता है. $$ \text{sensitivity} = \frac{TP}{TP + FN} $$

Specificity वह अनुपात है जिसमें false observations को मॉडल सही तरह से false के रूप में predict करता है. $$ \text{specificity} = \frac{TN}{TN + FP} $$

churn, mdl_churn_vs_relationship, और conf_matrix उपलब्ध हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में statsmodels के साथ Regression परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • conf_matrix से true positives (TP), true negatives (TN), false positives (FP), और false negatives (FN) की संख्या निकालें.
  • मॉडल की accuracy की गणना करें.
  • मॉडल की sensitivity की गणना करें.
  • मॉडल की specificity की गणना करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Extract TN, TP, FN and FP from conf_matrix
TN = ____
TP = ____
FN = ____
FP = ____

# Calculate and print the accuracy
accuracy = ____
print("accuracy: ", accuracy)

# Calculate and print the sensitivity
sensitivity = ____
print("sensitivity: ", sensitivity)

# Calculate and print the specificity
specificity = ____
print("specificity: ", specificity)
कोड संपादित करें और चलाएँ