Valutazione della classificazione
Nella lezione precedente, hai costruito un modello logistico per prevedere il morbo di Parkinson. In questo esercizio, confronterai le predizioni con i valori reali.
Questa abilità è fondamentale perché le aziende si concentrano sui risultati. I datori di lavoro vogliono sapere quanto siano accurate le previsioni dei modelli che sviluppi.
Ancora una volta, costruirai un modello per prevedere lo stato della malattia di Parkinson. Questa volta, costruirai il modello su una parte dell'insieme di dati e userai il resto per il test.
Ricorda che \(\text{recall} = \frac{TP}{TP+FN}\).
\(TP\) significa che abbiamo previsto un valore positivo e avevamo ragione.
\(FN\) significa che abbiamo previsto un valore negativo ma avevamo torto.
Circa l'80% delle righe dell'insieme di dati parkinsons è stato assegnato a train, e il resto è stato assegnato a test.
Questo esercizio fa parte del corso
Esercitarsi con le domande di statistica per i colloqui in R
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Build a logistic model on the train data
model <- ___(___ ~ NHR + ___, data = ___, family = ___)
# Calculate probabilities for the test data
probabilities <- ___(___, newdata = ___, type = ___)