Valutazione della classificazione
Andando avanti con le metriche di valutazione, questa volta valuterai il nostro modello di regressione logistica di prima con l’obiettivo di prevedere la variabile binaria RainTomorrow usando l’umidità.
Abbiamo già importato il modello come clf e gli stessi set di test assegnati alle variabili X_test e y_test. Genera e analizza la matrice di confusione e poi calcola sia precisione sia recall prima di trarre una conclusione.
Questo esercizio fa parte del corso
Esercitarsi con le domande di statistica per i colloqui in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Generate and output the confusion matrix
from sklearn.metrics import confusion_matrix
preds = clf.predict(X_test)
matrix = confusion_matrix(____, ____)
print(____)