Menghitung metrik akurasi: recall
Skor Recall adalah metrik penting lain yang digunakan untuk mengukur akurasi algoritma klasifikasi. Nilai ini dihitung sebagai proporsi True Positive terhadap jumlah True Positive dan False Negative, yaitu $$\frac{\text{# of True Positives}}{\text{# of True Positives} + \text{# of False Negatives}}.$$
Jika tidak ada False Negative, skor recall sama dengan 1. Jika tidak ada True Positive, skor recall sama dengan 0.
Dalam latihan ini, Anda akan menghitung skor recall (menggunakan fungsi sklearn recall_score) untuk model klasifikasi awal Anda.
Variabel features_test dan target_test tersedia di workspace Anda.
Latihan ini adalah bagian dari kursus
Analitik SDM: Memprediksi Perputaran Karyawan dengan Python
Petunjuk latihan
- Impor fungsi untuk menghitung skor recall.
- Gunakan model awal untuk memprediksi churn (berdasarkan fitur pada himpunan data uji).
- Hitung skor recall dengan membandingkan
target_testdengan prediksi.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Import the function to calculate recall score
from sklearn.____ import ____
# Use the initial model to predict churn
prediction = model.____(features_test)
# Calculate recall score by comparing target_test with the prediction
____(target_test, ____)