ロジスティックモデルの性能を測定する
これまでに学んだように、ロジスティック回帰モデルの性能を測る指標はいくつかあります。最後のこの演習では、accuracy（正解率）、sensitivity（感度）、specificity（特異度）を手計算します。次の定義を思い出してください。
Accuracy は、予測が正しかった割合です。 $$ \text{accuracy} = \frac{TN + TP}{TN + FN + FP + TP} $$
Sensitivity は、真 の観測のうち、モデルが 真 と正しく予測できた割合です。 $$ \text{sensitivity} = \frac{TP}{TP + FN} $$
Specificity は、偽 の観測のうち、モデルが 偽 と正しく予測できた割合です。 $$ \text{specificity} = \frac{TN}{TN + FP} $$
churn、mdl_churn_vs_relationship、conf_matrix が利用可能です。
この演習はコースの一部です
Pythonで学ぶstatsmodelsによる回帰入門
演習の手順
conf_matrixから true positives（TP）、true negatives（TN）、false positives（FP）、false negatives（FN）の数を抽出します。- モデルの
accuracyを計算します。 - モデルの
sensitivityを計算します。 - モデルの
specificity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。
# Extract TN, TP, FN and FP from conf_matrix
TN = ____
TP = ____
FN = ____
FP = ____
# Calculate and print the accuracy
accuracy = ____
print("accuracy: ", accuracy)
# Calculate and print the sensitivity
sensitivity = ____
print("sensitivity: ", sensitivity)
# Calculate and print the specificity
specificity = ____
print("specificity: ", specificity)