Confusion matrix
반응 변수가 이탈처럼 두 가지 결과만 가질 때, 모델의 성과는 "고객이 실제로 이탈한 사례를 모델이 얼마나 정확히 예측했는가?"와 "고객이 실제로 이탈하지 않은 사례를 모델이 얼마나 정확히 예측했는가?"로 평가할 수 있어요. 이는 혼동 행렬(confusion matrix)을 만들고 그에 대한 요약 지표를 계산하면 확인할 수 있습니다.
다음 정의를 기억해 주세요.
Accuracy는 정답으로 예측한 비율입니다. $$ \text{accuracy} = \frac{TN + TP}{TN + FN + FP + TP} $$
Sensitivity는 실제로 참인 관측치 중에서 모델이 참으로 올바르게 예측한 비율입니다. $$ \text{sensitivity} = \frac{TP}{TP + FN} $$
Specificity는 실제로 거짓인 관측치 중에서 모델이 거짓으로 올바르게 예측한 비율입니다. $$ \text{specificity} = \frac{TN}{TN + FP} $$
churn과 mdl_churn_vs_both_inter가 제공됩니다.
이 연습은 강의의 일부입니다
Python의 statsmodels로 배우는 중급 회귀
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create conf_matrix
conf_matrix = ____
# Print it
print(conf_matrix)