De probabilidades à matriz de confusão

Agora, suponha que você quer ter certeza de que seu modelo identifique corretamente todas as minas como minas. Nesse caso, você pode usar um limiar de previsão de 0,10, em vez de 0,90.

O padrão de código para transformar probabilidades em classes previstas e depois calcular a matriz de confusão foi mostrado no Exercício 7 deste capítulo.

Este exercício faz parte do curso

Machine Learning com caret em R

Ver curso

Instruções do exercício

Use ifelse() para criar um vetor de caracteres, m_or_r, que seja a classe positiva, "M", quando p for maior que 0.1, e a classe negativa, "R", caso contrário.
Converta m_or_r para um fator, p_class, com os mesmos níveis de test[["Class"]].
Crie uma matriz de confusão com confusionMatrix(), passando p_class e a coluna "Class" do conjunto de dados test.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# If p exceeds threshold of 0.1, M else R: m_or_r


# Convert to factor: p_class


# Create confusion matrix

Editar e executar o código