Mengukur kinerja model logistik

Seperti yang sudah Anda ketahui, ada beberapa metrik untuk mengukur kinerja model regresi logistik. Pada latihan terakhir ini, Anda akan menghitung secara manual accuracy, sensitivity, dan specificity. Ingat kembali definisi berikut:

Accuracy adalah proporsi prediksi yang benar. $$ \text{accuracy} = \frac{TN + TP}{TN + FN + FP + TP} $$

Sensitivity adalah proporsi pengamatan yang benar (true) yang diprediksi dengan benar oleh model sebagai true. $$ \text{sensitivity} = \frac{TP}{TP + FN} $$

Specificity adalah proporsi pengamatan yang salah (false) yang diprediksi dengan benar oleh model sebagai false. $$ \text{specificity} = \frac{TN}{TN + FP} $$

churn, mdl_churn_vs_relationship, dan conf_matrix tersedia.

Latihan ini adalah bagian dari kursus

Pengantar Regresi dengan statsmodels di Python

Lihat Kursus

Petunjuk latihan

Ekstrak jumlah true positive (TP), true negative (TN), false positive (FP), dan false negative (FN) dari conf_matrix.
Hitung accuracy model.
Hitung sensitivity model.
Hitung specificity model.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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)

Edit dan Jalankan Kode