Obliczanie metryk dokładności: recall
Recall (czułość) to kolejna ważna metryka służąca do oceny dokładności algorytmu klasyfikacji. Oblicza się ją jako iloraz liczby prawdziwych wyników pozytywnych (True Positives) przez sumę prawdziwych wyników pozytywnych i fałszywych wyników negatywnych (False Negatives), czyli $$\frac{\text{# of True Positives}}{\text{# of True Positives} + \text{# of False Negatives}}.$$
Jeśli nie ma fałszywych wyników negatywnych, recall wynosi 1. Jeśli nie ma prawdziwych wyników pozytywnych, recall wynosi 0.
W tym ćwiczeniu obliczysz recall (korzystając z funkcji recall_score z biblioteki sklearn) dla swojego początkowego modelu klasyfikacji.
Zmienne features_test i target_test są dostępne w twoim środowisku pracy.
To ćwiczenie jest częścią kursu
HR Analytics: Przewidywanie rotacji pracowników w Pythonie
Instrukcje do ćwiczenia
- Zaimportuj funkcję do obliczania recall.
- Użyj początkowego modelu, aby przewidzieć odejścia pracowników (na podstawie cech ze zbioru testowego).
- Oblicz recall, porównując
target_testz predykcjami.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import the function to calculate recall score
from sklearn.____ import ____
# Use the initial model to predict churn
prediction = model.____(features_test)
# Calculate recall score by comparing target_test with the prediction
____(target_test, ____)