1. 学ぶ
    2. /
  2. コース
    3. /
  3. Pythonで学ぶstatsmodelsによる回帰入門
Connected

演習

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。

指示

100 XP
  • 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。