Valutare un modello

Nel corso di questo percorso hai lavorato a un progetto per classificare le malattie cardiache con il Machine Learning. Hai pulito con successo l’insieme di dati, eseguito il feature engineering e addestrato il tuo modello.

Qui metterai in pratica i metodi che hai imparato finora per la valutazione del modello. Valuterai un modello di machine learning usando metriche di errore appropriate, visualizzerai i risultati della valutazione e individuerai possibili casi di overfitting in vista della messa in produzione. Alla fine di questo esercizio avrai una comprensione più approfondita delle tecniche di valutazione e visualizzazione dei modelli.

• Il modello di regressione logistica addestrato è caricato come model
• KFold e cross_val_score sono importati da sklearn.model_selection
• confusion_matrix è importato da sklearn.metrics.
• Le variabili heart_disease_df_X e heart_disease_df_y sono già state importate.