정확도 지표 계산: 정밀도(Precision)
Precision 점수는 분류 알고리즘의 정확도를 평가할 때 중요한 지표예요. True Positive를 True Positive와 False Positive의 합으로 나눈 비율로 계산합니다. $$\frac{\text{# of True Positives}}{\text{# of True Positives} + \text{# of False Positives}}.$$
- True Positives는 실제로 퇴사했고, 퇴사로 올바르게 분류된 직원 수를 의미해요.
- False Positives는 실제로는 재직 중이지만, 잘못 퇴사로 분류된 직원 수를 의미해요.
False Positive가 없다면 precision 점수는 1과 같아요. True Positive가 없다면 precision 점수는 0과 같아요.
이 연습 문제에서는 초기 분류 모델에 대해 sklearn의 precision_score 함수를 사용해 precision 점수를 계산하겠습니다.
features_test와 target_test 변수는 작업 공간에 준비되어 있어요.
이 연습은 강의의 일부입니다
HR Analytics: Python으로 직원 이탈 예측하기
연습 안내
sklearn.metrics모듈에서precision_score함수를 임포트하세요.- 테스트 세트의 특성을 바탕으로 초기 모델을 사용해 이탈 여부를 예측하세요.
target_test와 테스트 세트 예측값을 비교해 precision 점수를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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, ____)