Czy twoje przewidywania są poprawne?
Model powinien być jak najlepszy, prawda? Jednym ze sposobów oceny jego jakości jest sprawdzenie, jak często przewiduje poprawne klasy w stosunku do łącznej liczby wszystkich przewidywań. Jak omówiono w filmie, tę miarę wydajności nazywamy dokładnością (accuracy). Możesz obliczyć ją ręcznie lub skorzystać z wygodnego skrótu. Oba sposoby dają ten sam wynik.
Macierz pomyłek diabetes_matrix oraz tibble predictions_combined są już wczytane.
To ćwiczenie jest częścią kursu
Uczenie maszynowe z modelami drzewiastymi w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Calculate the number of correctly predicted classes
correct_predictions <- 75 + ___
# Calculate the number of all predicted classes
all_predictions <- ___ + ___ + 18 + ___
# Calculate and print the accuracy
acc_manual <- ___ / ___
___