Dalle probabilità alla matrice di confusione
Al contrario, poniamo che tu voglia essere davvero sicuro che il modello identifichi correttamente tutte le mine come mine. In questo caso, potresti usare una soglia di previsione di 0,10 invece di 0,90.
Lo schema di codice per trasformare le probabilità in classi previste e poi calcolare una matrice di confusione è stato mostrato nell'Esercizio 7 di questo capitolo.
Questo esercizio fa parte del corso
Machine Learning con caret in R
Istruzioni dell'esercizio
- Usa
ifelse()per creare un vettore di caratteri,m_or_r, che sia la classe positiva,"M", quandopè maggiore di 0,1, e la classe negativa,"R", altrimenti. - Converte
m_or_rin un fattore,p_class, con livelli uguali a quelli ditest[["Class"]]. - Crea una matrice di confusione con
confusionMatrix(), passandop_classe la colonna"Class"del datasettest.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# If p exceeds threshold of 0.1, M else R: m_or_r
# Convert to factor: p_class
# Create confusion matrix