Hitung confusion matrix

Seperti yang Anda lihat di video, confusion matrix adalah alat yang sangat berguna untuk mengalibrasi keluaran model dan menelaah semua kemungkinan hasil prediksi Anda (true positive, true negative, false positive, false negative).

Sebelum Anda membuat confusion matrix, Anda perlu “memotong” probabilitas terprediksi pada ambang tertentu untuk mengubah probabilitas menjadi faktor prediksi kelas. Gabungkan ifelse() dengan factor() sebagai berikut:

pos_or_neg <- ifelse(probability_prediction > threshold, positive_class, negative_class)
p_class <- factor(pos_or_neg, levels = levels(test_values))

confusionMatrix() di caret menyempurnakan table() dari base R dengan menambahkan banyak statistik tambahan yang berguna selain laju dasar dalam tabel. Anda dapat menghitung confusion matrix (beserta statistik terkait) menggunakan hasil prediksi serta hasil aktual, misalnya:

confusionMatrix(p_class, test_values)

Latihan ini adalah bagian dari kursus

Machine Learning dengan caret di R

Lihat Kursus

Petunjuk latihan

Gunakan ifelse() untuk membuat vektor karakter, m_or_r yang bernilai kelas positif, "M", ketika p lebih besar dari 0.5, dan kelas negatif, "R", selain itu.
Konversi m_or_r menjadi faktor, p_class, dengan level yang sama seperti milik test[["Class"]].
Buat confusion matrix dengan confusionMatrix(), berikan p_class dan kolom "Class" dari himpunan data test.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# If p exceeds threshold of 0.5, M else R: m_or_r


# Convert to factor: p_class


# Create confusion matrix

Edit dan Jalankan Kode