Calculando métricas de acurácia: recall
O Recall é outra métrica importante usada para medir a acurácia de um algoritmo de classificação. Ele é calculado como a fração de Verdadeiros Positivos sobre a soma de Verdadeiros Positivos e Falsos Negativos, ou $$\frac{\text{# de Verdadeiros Positivos}}{\text{# de Verdadeiros Positivos} + \text{# de Falsos Negativos}}.$$
Se não houver Falsos Negativos, o recall é igual a 1. Se não houver Verdadeiros Positivos, o recall é igual a 0.
Neste exercício, você vai calcular o recall (usando a função recall_score do sklearn) para o seu modelo de classificação inicial.
As variáveis features_test e target_test estão disponíveis no seu ambiente de trabalho.
Este exercício faz parte do curso
HR Analytics: prevendo rotatividade de funcionários em Python
Instruções do exercício
- Importe a função para calcular o recall.
- Use o modelo inicial para prever churn (com base nas features do conjunto de teste).
- Calcule o recall comparando
target_testcom as previsões.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Import the function to calculate recall score
from sklearn.____ import ____
# Use the initial model to predict churn
prediction = model.____(features_test)
# Calculate recall score by comparing target_test with the prediction
____(target_test, ____)