Matrice di confusione
Quando la variabile risposta ha solo due esiti, come nel caso del churn, le misure di successo del modello sono: "quanti casi in cui il cliente è andato in churn il modello li ha previsti correttamente?" e "quanti casi in cui il cliente non è andato in churn il modello li ha previsti correttamente?". Puoi ottenerle generando una matrice di confusione e calcolando metriche di riepilogo su di essa. Un mosaic plot è il modo più naturale per visualizzare i risultati.
churn e mdl_churn_vs_both_inter sono disponibili; dplyr e yardstick sono caricati.
Questo esercizio fa parte del corso
Regressione intermedia in R
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Get the actual responses from churn
actual_response <- ___
# Get the predicted responses from the model
predicted_response <- ___
# Get a table of these values
outcomes <- ___
# Convert the table to a conf_mat object
confusion <- ___
# See the result
confusion