Calcular a matriz de confusão
Como você viu no vídeo, o modelo de regressão logística gera dois tipos de previsões: uma previsão contínua, na forma de probabilidade, e uma previsão de classe que, no exemplo do conjunto de dados wells, é uma categoria discreta com duas classes.
No exercício anterior, você calculou a previsão contínua na forma de probabilidade. Neste exercício, você vai usar esses valores para atribuir uma classe a cada observação na sua amostra wells_test. Por fim, você vai descrever o modelo usando a matriz de confusão.
As previsões calculadas prediction e wells_test já estão carregadas no seu ambiente.
Este exercício faz parte do curso
Modelos Lineares Generalizados em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Define the cutoff
cutoff = ____
# Compute class predictions: y_prediction
y_prediction = np.where(____ > ____, 1, 0)