확률에서 혼동 행렬로

반대로, 모델이 모든 지뢰를 정확히 지뢰로 식별하도록 정말 확실히 하고 싶다고 해봅시다. 이 경우 예측 임곗값을 0.90 대신 0.10으로 사용할 수 있어요.

확률을 예측 클래스으로 나눈 다음 혼동 행렬을 계산하는 코드 패턴은 이 장의 연습 문제 7에서 살펴봤습니다.

이 연습은 강의의 일부입니다

R의 caret로 배우는 Machine Learning

ifelse()를 사용해 문자 벡터 m_or_r를 만드세요. p가 0.1보다 크면 양성 클래스 "M"를, 그렇지 않으면 음성 클래스 "R"를 할당합니다.
m_or_r를 test[["Class"]]의 레벨과 동일한 레벨을 갖는 factor p_class로 변환하세요.
confusionMatrix()에 p_class와 test 데이터셋의 "Class" 열을 전달하여 혼동 행렬을 만드세요.

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# If p exceeds threshold of 0.1, M else R: m_or_r


# Convert to factor: p_class


# Create confusion matrix