1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe w tidyverse
Connected

ćwiczenie

Prognozy pojedynczego modelu

Aby ocenić wydajność modelu klasyfikacyjnego, musisz porównać rzeczywiste wartości Attrition z wartościami przewidzianymi przez model. Przy obliczaniu metryk dla zadań klasyfikacji binarnej (takich jak precyzja i czułość) oba wektory – rzeczywisty i prognozowany – muszą zostać przekonwertowane na wartości binarne.

W tym ćwiczeniu nauczysz się, jak przygotować te wektory, używając jako przykładu ramek danych model i validate z pierwszej fold walidacji krzyżowej.

Instrukcje

100 XP
  • Wyodrębnij ramki danych model i validate z pierwszej fold walidacji krzyżowej.
  • Wyodrębnij kolumnę Attrition z ramki danych validate i przekonwertuj jej wartości na binarne (TRUE/FALSE).
  • Użyj model, aby przewidzieć prawdopodobieństwa odejścia pracownika dla ramki danych validate.
  • Przekonwertuj przewidziane prawdopodobieństwa na wektor binarny – przyjmij, że wszystkie prawdopodobieństwa większe niż 0.5 mają wartość TRUE.