Matricea de confuzie
Atunci când variabila răspuns are doar două rezultate posibile, ca în cazul abandonului clienților (churn), măsurile de succes ale modelului sunt: „câte cazuri în care clientul a abandonat a prezis corect modelul?" și „câte cazuri în care clientul nu a abandonat a prezis corect modelul?". Aceste informații pot fi obținute generând o matrice de confuzie și calculând metricile sumare aferente.
Reamintește-ți următoarele definiții:
Acuratețea reprezintă proporția predicțiilor corecte. $$ \text{accuracy} = \frac{TN + TP}{TN + FN + FP + TP} $$
Sensibilitatea reprezintă proporția observațiilor adevărate care sunt prezise corect de model ca fiind adevărate. $$ \text{sensitivity} = \frac{TP}{TP + FN} $$
Specificitatea reprezintă proporția observațiilor false care sunt prezise corect de model ca fiind false. $$ \text{specificity} = \frac{TN}{TN + FP} $$
churn și mdl_churn_vs_both_inter sunt disponibile.
Acest exercițiu face parte din cursul
Regresie intermediară cu statsmodels în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Create conf_matrix
conf_matrix = ____
# Print it
print(conf_matrix)