1. Nauka
    2. /
  2. Kursy
    3. /
  3. Ćwiczenie statystycznych pytań rekrutacyjnych w R
Connected

ćwiczenie

Ocena klasyfikacji

W poprzedniej lekcji zbudowałeś(-aś) model logistyczny do przewidywania choroby Parkinsona. W tym ćwiczeniu porównasz przewidywania z rzeczywistymi wartościami.

To kluczowa umiejętność – firmy skupiają się na wynikach. Pracodawcy chcą wiedzieć, jak dokładne są modele, które tworzysz.

Ponownie zbudujesz model przewidujący status choroby Parkinsona. Tym razem model zostanie zbudowany na części zbioru danych, a reszta posłuży do testowania.

Pamiętaj, że \(\text{recall} = \frac{TP}{TP+FN}\).

\(TP\) oznacza, że przewidzieliśmy wartość pozytywną i mieliśmy rację.

\(FN\) oznacza, że przewidzieliśmy wartość negatywną, ale się myliliśmy.

Około 80% wierszy zbioru danych parkinsons zostało przypisanych do train, a pozostałe do test.

Instrukcje 1/3

undefined XP
    1
    2
    3
  • Zbuduj model logistyczny wyjaśniający status za pomocą NHR i DFA, korzystając z danych train.
  • Oblicz prawdopodobieństwa zachorowania na chorobę Parkinsona dla danych test.