精度（Precision）を計算する
Precision（適合率）は、分類アルゴリズムの正確さを測る重要な指標です。True Positiveの数を、True PositiveとFalse Positiveの合計で割った値として計算します。 $$\frac{\text{# of True Positives}}{\text{# of True Positives} + \text{# of False Positives}}.$$
- True Positive は、実際に退職した従業員で、正しく退職と分類された人数です。
- False Positive は、実際には在籍しているのに、誤って退職と分類された人数です。
False Positiveがなければ、precisionは1になります。 True Positiveがなければ、precisionは0になります。
この演習では、初期の分類モデルに対して、sklearnのprecision_score関数を使ってprecisionを計算します。
features_testとtarget_testの変数はワークスペースに用意されています。
この演習はコースの一部です
HRアナリティクス：Pythonで従業員離職を予測する
演習の手順
sklearn.metricsモジュールからprecision_score関数をインポートします。- 初期モデルを使って（テストデータの特徴量に基づき）離職を予測します。
target_testとテストセットの予測結果を比較して、precisionを計算します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Import the function to calculate precision score
from sklearn.____ import ____
# Predict whether employees will churn using the test set
prediction = model.____(features_test)
# Calculate precision score by comparing target_test with the prediction
____(target_test, ____)