Een confusion matrix maken
Stel dat je een model hebt gedraaid en de voorspelde uitkomsten hebt opgeslagen in een vector model_pred. Je wilt zien hoe het model heeft gepresteerd, dus je maakt een confusion matrix. Je vergelijkt de echte kolom met leenstatus (loan_status) met de voorspelde waarden (model_pred) met de functie table(), waarbij de argumenten de echte waarden en de voorspelde waarden zijn. Denk aan de structuur van de confusion matrix:
en de formules:
$$\textrm{Classification accuracy} = \frac{(TP + TN)}{(TP + FP + TN + FN)}$$
$$\textrm{Sensitivity} = \frac{TP}{(TP + FN)}$$
$$\textrm{Specificity} = \frac{TN}{(TN + FP)}$$
Deze oefening maakt deel uit van de cursus
Kredietrisicomodellering in R
Oefeninstructies
- Maak een confusion matrix waarin je de kolom
loan_statusintest_setvergelijkt met de vectormodel_pred. Je kunt hiervoor de functie table() met twee argumenten gebruiken. Sla de matrix op in het objectconf_matrix. - Bereken de classification accuracy en print het resultaat. Je kunt de juiste matrixelementen selecteren uit
conf_matrix, of de gewenste waarden kopiëren en plakken. - Bereken de sensitivity en print het resultaat.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Create confusion matrix
# Compute classification accuracy
# Compute sensitivity