Interpretacja macierzy pomyłek

Masz dostęp do rzeczywistych i przewidywanych diagnoz dla zbioru danych heart_disease – odpowiednio actuals i predictions. Zaimportuj i utwórz macierz pomyłek tych diagnoz, używając funkcji confusion_matrix(), a następnie wybierz poprawną odpowiedź. Format wyników sklearn dla macierzy pomyłek jest następujący:

	Rzeczywiste: Choroba serca	Rzeczywiste: Brak choroby serca
Przewidywane: Choroba serca
Przewidywane: Brak choroby serca

⚠️ Uwaga: Wpisz kod w terminalu IPython Shell i naciśnij Enter.

Możliwe odpowiedzi

Liczba Prawdziwych Pozytywów (TP) wynosi 10

Liczba Fałszywych Pozytywów (FP) wynosi 20

Liczba Fałszywych Negatywów (FN) wynosi 50

Liczba Prawdziwych Negatywów (TN) wynosi 30

ćwiczenie

Interpretacja macierzy pomyłek

Instrukcje

Możliwe odpowiedzi

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje

Możliwe odpowiedzi

ćwiczenie