Calcularea metricilor de acuratețe: precizia
Scorul de precizie este o metrică importantă folosită pentru a măsura acuratețea unui algoritm de clasificare. Se calculează ca fracția dintre Pozitivele Adevărate și suma Pozitivelor Adevărate cu Pozitivele False, adică $$\frac{\text{# de Pozitive Adevărate}}{\text{# de Pozitive Adevărate} + \text{# de Pozitive False}}.$$
- Pozitivele Adevărate reprezintă numărul de angajați care au plecat efectiv și au fost clasificați corect ca plecând
- Pozitivele False reprezintă numărul de angajați care au rămas, dar au fost clasificați greșit ca plecând
Dacă nu există Pozitive False, scorul de precizie este egal cu 1. Dacă nu există Pozitive Adevărate, scorul de precizie este egal cu 0.
În acest exercițiu, vei calcula scorul de precizie (folosind funcția precision_score din sklearn) pentru modelul nostru inițial de clasificare.
Variabilele features_test și target_test sunt disponibile în spațiul tău de lucru.
Acest exercițiu face parte din cursul
HR Analytics: Predicția fluctuației angajaților în Python
Instrucțiuni pentru exercițiu
- Importă funcția
precision_scoredin modululsklearn.metrics. - Folosește modelul inițial pentru a prezice fluctuația angajaților (pe baza caracteristicilor din setul de testare).
- Calculează scorul de precizie comparând
target_testcu predicțiile obținute pe setul de testare.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Import the function to calculate precision score
from sklearn.____ import ____
# Predict whether employees will churn using the test set
prediction = model.____(features_test)
# Calculate precision score by comparing target_test with the prediction
____(target_test, ____)