Menghitung metrik akurasi: precision
Skor Precision adalah metrik penting untuk mengukur ketepatan algoritma klasifikasi. Skor ini dihitung sebagai pecahan True Positives dibandingkan jumlah True Positives dan False Positives, atau $$\frac{\text{# of True Positives}}{\text{# of True Positives} + \text{# of False Positives}}.$$
- True Positives didefinisikan sebagai jumlah karyawan yang benar-benar keluar dan diklasifikasikan dengan benar sebagai keluar
- False Positives didefinisikan sebagai jumlah karyawan yang sebenarnya tetap bekerja, tetapi salah diklasifikasikan sebagai keluar
Jika tidak ada False Positives, skor precision sama dengan 1. Jika tidak ada True Positives, skor precision sama dengan 0.
Pada latihan ini, kita akan menghitung skor precision (menggunakan fungsi precision_score dari sklearn) untuk model klasifikasi awal kita.
Variabel features_test dan target_test tersedia di ruang kerja Anda.
Latihan ini adalah bagian dari kursus
Analitik SDM: Memprediksi Perputaran Karyawan dengan Python
Petunjuk latihan
- Impor fungsi
precision_scoredari modulsklearn.metrics. - Gunakan model awal untuk memprediksi churn (berdasarkan fitur pada himpunan data uji).
- Hitung skor precision dengan membandingkan
target_testdengan prediksi himpunan uji.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Import the function to calculate precision score
from sklearn.____ import ____
# Predict whether employees will churn using the test set
prediction = model.____(features_test)
# Calculate precision score by comparing target_test with the prediction
____(target_test, ____)