로지스틱 모델 성능 측정
이제까지 배운 대로, 로지스틱 회귀 모델의 성능을 측정하는 지표는 여러 가지가 있습니다. 이번 마지막 연습에서는 정확도(accuracy), 민감도(sensitivity), 특이도(specificity)를 직접 계산해 보겠습니다. 다음 정의를 기억해 주세요.
Accuracy는 전체 예측 중 정답의 비율입니다. $$ \text{accuracy} = \frac{TN + TP}{TN + FN + FP + TP} $$
Sensitivity는 실제로 참(true)인 관측치 중에서 모델이 참으로 올바르게 예측한 비율입니다. $$ \text{sensitivity} = \frac{TP}{TP + FN} $$
Specificity는 실제로 거짓(false)인 관측치 중에서 모델이 거짓으로 올바르게 예측한 비율입니다. $$ \text{specificity} = \frac{TN}{TN + FP} $$
churn, mdl_churn_vs_relationship, 그리고 conf_matrix가 제공됩니다.
이 연습은 강의의 일부입니다
Python에서 statsmodels로 살펴보는 회귀 소개
연습 안내
conf_matrix에서 진양성(TP), 진음성(TN), 위양성(FP), 위음성(FN)의 개수를 추출하세요.- 모델의
accuracy를 계산하세요. - 모델의
sensitivity를 계산하세요. - 모델의
specificity를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)