Ocena modelu

W trakcie tego kursu pracujesz nad projektem klasyfikacji chorób serca z wykorzystaniem uczenia maszynowego. Udało ci się już oczyścić zbiór danych, przeprowadzić inżynierię cech i wytrenować model.

Teraz zastosujesz poznane metody do oceny modelu. Ocenisz model uczenia maszynowego za pomocą odpowiednich metryk błędu, zwizualizujesz wyniki ewaluacji i zidentyfikujesz potencjalne przeuczenie – w ramach przygotowania do wdrożenia. Po ukończeniu tego ćwiczenia lepiej zrozumiesz techniki oceny i wizualizacji modeli.

• Wytrenowany model regresji logistycznej jest wczytany jako model
• KFold i cross_val_score są zaimportowane z sklearn.model_selection
• confusion_matrix jest zaimportowana z sklearn.metrics.
• Zmienne heart_disease_df_X i heart_disease_df_y zostały już zaimportowane.