Predizioni di un singolo modello
Per calcolare le prestazioni di un modello di classificazione devi confrontare i valori reali di Attrition con quelli previsti dal modello.
Quando calcoli metriche per compiti di classificazione binaria (come precision e recall), i vettori reale e previsto devono essere convertiti in valori binari.
In questo esercizio imparerai a preparare questi vettori usando come esempio il modello e i data frame di validazione del primo fold della cross-validation.
Questo esercizio fa parte del corso
Machine Learning nel tidyverse
Istruzioni dell'esercizio
- Estrai il
modele il data framevalidatedal primo fold della cross-validation. - Estrai la colonna
Attritiondal data framevalidatee converti i valori in binario (TRUE/FALSE). - Usa
modelper prevedere le probabilità di abbandono per il data framevalidate. - Converti le probabilità previste in un vettore binario, assumendo che tutte le probabilità maggiori di
0.5siano TRUE.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Extract the first model and validate
model <- cv_models_lr$___[[___]]
validate <- cv_models_lr$___[[___]]
# Prepare binary vector of actual Attrition values in validate
validate_actual <- ___ == "Yes"
# Predict the probabilities for the observations in validate
validate_prob <- predict(___, ___, type = "response")
# Prepare binary vector of predicted Attrition values for validate
validate_predicted <- ___