Creare una matrice di confusione
In questo esempio, supponi di aver eseguito un modello e di aver salvato gli esiti previsti in un vettore chiamato model_pred. Vuoi valutare le prestazioni del modello, quindi costruirai una matrice di confusione. Confronterai la colonna con lo stato effettivo del prestito (loan_status) con i valori previsti (model_pred), usando la funzione table(), in cui gli argomenti sono i valori reali e i valori previsti. Ricorda la struttura della matrice di confusione:
e le formule:
$$\textrm{Classification accuracy} = \frac{(TP + TN)}{(TP + FP + TN + FN)}$$
$$\textrm{Sensitivity} = \frac{TP}{(TP + FN)}$$
$$\textrm{Specificity} = \frac{TN}{(TN + FP)}$$
Questo esercizio fa parte del corso
Credit Risk Modeling in R
Istruzioni dell'esercizio
- Crea una matrice di confusione confrontando la colonna
loan_statusintest_setcon il vettoremodel_pred. Puoi usare la funzione table() con due argomenti per farlo. Salva la matrice nell'oggettoconf_matrix. - Calcola l'accuratezza di classificazione e stampa il risultato. Puoi selezionare i corretti elementi della matrice dalla matrice di confusione usando
conf_matrix, oppure copiare e incollare i valori desiderati. - Calcola la sensibilità e stampa il risultato.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Create confusion matrix
# Compute classification accuracy
# Compute sensitivity