1. Nauka
    2. /
  2. Kursy
    3. /
  3. HR Analytics: Przewidywanie rotacji pracowników w Pythonie
Connected

ćwiczenie

Obliczanie metryk dokładności: precyzja

Precyzja (ang. precision) to ważna metryka służąca do oceny dokładności algorytmu klasyfikacji. Oblicza się ją jako stosunek liczby Prawdziwych Pozytywów do sumy Prawdziwych Pozytywów i Fałszywych Pozytywów, czyli $$\frac{\text{# Prawdziwych Pozytywów}}{\text{# Prawdziwych Pozytywów} + \text{# Fałszywych Pozytywów}}.$$

  • Prawdziwe Pozytywy to pracownicy, którzy faktycznie odeszli i zostali poprawnie sklasyfikowani jako odchodzący
  • Fałszywe Pozytywy to pracownicy, którzy faktycznie zostali w firmie, ale zostali błędnie sklasyfikowani jako odchodzący

Jeśli nie ma Fałszywych Pozytywów, precyzja wynosi 1. Jeśli nie ma Prawdziwych Pozytywów, precyzja wynosi 0.

W tym ćwiczeniu obliczysz precyzję (za pomocą funkcji precision_score z biblioteki sklearn) dla początkowego modelu klasyfikacji.

Zmienne features_test i target_test są dostępne w twoim środowisku pracy.

Instrukcje

100 XP
  • Zaimportuj funkcję precision_score z modułu sklearn.metrics.
  • Użyj początkowego modelu, aby przewidzieć rotację pracowników (na podstawie cech ze zbioru testowego).
  • Oblicz precyzję, porównując target_test z predykcjami dla zbioru testowego.