精度指標の計算：リコール
Recall（再現率）は、分類アルゴリズムの精度を測る上で重要な指標の1つです。True Positive の数を、True Positive と False Negative の合計で割った値として計算されます。 $$\frac{\text{# of True Positives}}{\text{# of True Positives} + \text{# of False Negatives}}.$$
False Negative がない場合、リコールは 1 になります。 True Positive がない場合、リコールは 0 になります。
この演習では、最初に作成した分類モデルに対して、sklearn のrecall_score関数を使ってリコールを計算します。
features_testとtarget_test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
- リコールを計算する関数をインポートします。
- 最初のモデルを使って（テストセットの特徴量に基づき）離職を予測します。
- 予測結果と
target_testを比較してリコールを計算します。
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 recall score
from sklearn.____ import ____
# Use the initial model to predict churn
prediction = model.____(features_test)
# Calculate recall score by comparing target_test with the prediction
____(target_test, ____)