Calcola la matrice di confusione
Come hai visto nel video, il modello di regressione logistica genera due tipi di predizioni: una predizione a valori continui, sotto forma di probabilità, e una predizione di classe che, nell’esempio del dataset wells, è una categoria discreta con due classi.
Nel precedente esercizio hai calcolato la predizione a valori continui come probabilità. In questo esercizio userai quei valori per assegnare una classe a ogni osservazione nel campione wells_test. Infine, descriverai il modello usando la matrice di confusione.
Le predizioni calcolate prediction e wells_test sono già caricate nel tuo workspace.
Questo esercizio fa parte del corso
Modelli lineari generalizzati in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Define the cutoff
cutoff = ____
# Compute class predictions: y_prediction
y_prediction = np.where(____ > ____, 1, 0)