1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do regresji z użyciem statsmodels w Pythonie
Connected

ćwiczenie

Ocena wydajności modelu logistycznego

Jak już wiesz, do oceny wydajności modelu regresji logistycznej można używać różnych metryk. W tym ostatnim ćwiczeniu ręcznie obliczysz dokładność, czułość i swoistość. Przypomnij sobie poniższe definicje:

Dokładność to odsetek poprawnych przewidywań. $$ \text{accuracy} = \frac{TN + TP}{TN + FN + FP + TP} $$

Czułość to odsetek prawdziwych obserwacji, które model poprawnie sklasyfikował jako prawdziwe. $$ \text{sensitivity} = \frac{TP}{TP + FN} $$

Swoistość to odsetek fałszywych obserwacji, które model poprawnie sklasyfikował jako fałszywe. $$ \text{specificity} = \frac{TN}{TN + FP} $$

Dostępne są: churn, mdl_churn_vs_relationship oraz conf_matrix.

Instrukcje

100 XP
  • Wyodrębnij z conf_matrix liczby prawdziwie pozytywnych (TP), prawdziwie negatywnych (TN), fałszywie pozytywnych (FP) i fałszywie negatywnych (FN).
  • Oblicz accuracy (dokładność) modelu.
  • Oblicz sensitivity (czułość) modelu.
  • Oblicz specificity (swoistość) modelu.