Evaluatie van classificatie
We gaan verder met evaluatiemetrieken. Deze keer evalueer je ons eerdere logistieke regressiemodel met als doel de binaire feature RainTomorrow te voorspellen op basis van luchtvochtigheid.
We hebben het model alvast geïmporteerd als clf en dezelfde testsets toegewezen aan de variabelen X_test en y_test. Genereer en analyseer de confusion matrix en bereken vervolgens zowel precision als recall voordat je een conclusie trekt.
Deze oefening maakt deel uit van de cursus
Statistiek-vragen voor sollicitaties oefenen in Python
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Generate and output the confusion matrix
from sklearn.metrics import confusion_matrix
preds = clf.predict(X_test)
matrix = confusion_matrix(____, ____)
print(____)