Membuat confusion matrix
Dalam contoh ini, asumsi Anda telah menjalankan sebuah model dan menyimpan hasil prediksi dalam sebuah vektor bernama model_pred. Anda ingin melihat kinerja model, sehingga Anda akan menyusun sebuah confusion matrix. Anda akan membandingkan kolom status pinjaman aktual (loan_status) dengan nilai prediksi (model_pred), menggunakan fungsi table(), dengan argumen berupa nilai aktual dan nilai prediksi. Ingat kembali struktur confusion matrix:
serta rumusnya:
$$\textrm{Classification accuracy} = \frac{(TP + TN)}{(TP + FP + TN + FN)}$$
$$\textrm{Sensitivity} = \frac{TP}{(TP + FN)}$$
$$\textrm{Specificity} = \frac{TN}{(TN + FP)}$$
Latihan ini adalah bagian dari kursus
Pemodelan Risiko Kredit di R
Petunjuk latihan
- Buat confusion matrix yang membandingkan kolom
loan_statuspadatest_setdengan vektormodel_pred. Anda dapat menggunakan fungsi table() dengan dua argumen untuk melakukannya. Simpan matriks tersebut dalam objekconf_matrix. - Hitung classification accuracy dan cetak hasilnya. Anda dapat memilih elemen matriks yang benar dari confusion matrix menggunakan
conf_matrix, atau salin dan tempel nilai yang diinginkan. - Hitung sensitivity dan cetak hasilnya.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Create confusion matrix
# Compute classification accuracy
# Compute sensitivity