Obliczanie macierzy pomyłek
Jak wyjaśniono w filmie, model regresji logistycznej generuje dwa rodzaje prognoz: prognozę ciągłą w postaci prawdopodobieństwa oraz prognozę klasy, która w przypadku zbioru danych wells jest dyskretną kategorią z dwiema klasami.
W poprzednim ćwiczeniu obliczyłeś prognozę ciągłą w postaci prawdopodobieństwa. W tym ćwiczeniu wykorzystasz te wartości, aby przypisać klasę każdej obserwacji w próbce wells_test. Na końcu opiszesz model za pomocą macierzy pomyłek.
Obliczone prognozy prediction oraz zbiór wells_test są już wczytane do twojego środowiska.
To ćwiczenie jest częścią kursu
Uogólnione modele liniowe w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Define the cutoff
cutoff = ____
# Compute class predictions: y_prediction
y_prediction = np.where(____ > ____, 1, 0)