Calcolare le metriche di accuratezza: recall
Il punteggio di Recall è un'altra metrica importante per misurare l'accuratezza di un algoritmo di classificazione. Si calcola come frazione dei Veri Positivi sul totale di Veri Positivi più Falsi Negativi, ovvero $$\frac{\text{# di Veri Positivi}}{\text{# di Veri Positivi} + \text{# di Falsi Negativi}}.$$
Se non ci sono Falsi Negativi, il punteggio di recall è pari a 1. Se non ci sono Veri Positivi, il punteggio di recall è pari a 0.
In questo esercizio calcolerai il punteggio di recall (usando la funzione di sklearn recall_score) per il tuo modello di classificazione iniziale.
Le variabili features_test e target_test sono disponibili nel tuo workspace.
Questo esercizio fa parte del corso
HR Analytics: prevedere l'abbandono dei dipendenti in Python
Istruzioni dell'esercizio
- Importa la funzione per calcolare il punteggio di recall.
- Usa il modello iniziale per prevedere il churn (in base alle feature del set di test).
- Calcola il punteggio di recall confrontando
target_testcon le previsioni.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Import the function to calculate recall score
from sklearn.____ import ____
# Use the initial model to predict churn
prediction = model.____(features_test)
# Calculate recall score by comparing target_test with the prediction
____(target_test, ____)