Prestazioni di un singolo modello
Ora che hai i vettori binari dei valori reali e predetti del modello, puoi calcolare molte metriche comuni per la classificazione binaria. In questo esercizio ti concentrerai su:
- accuracy: quota di valori predetti correttamente rispetto a tutte le predizioni.
- precision: percentuale di predizioni che il modello ha correttamente classificato come TRUE.
- recall: percentuale dei valori realmente TRUE che il modello ha recuperato correttamente.
Questo esercizio fa parte del corso
Machine Learning nel tidyverse
Istruzioni dell'esercizio
- Usa
table()per confrontare i valorivalidate_actualevalidate_predictedper il modello di esempio e il data frame di validazione. - Calcola l'accuracy.
- Calcola la precision.
- Calcola il recall.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
library(Metrics)
# Compare the actual & predicted performance visually using a table
table(___, ___)
# Calculate the accuracy
accuracy(___, ___)
# Calculate the precision
precision(___, ___)
# Calculate the recall
recall(___, ___)