ÎncepețiÎncepe gratuit

Măsurarea performanței modelului logistic

Așa cum știi deja, există mai multe metrici pentru măsurarea performanței unui model de regresie logistică. În acest ultim exercițiu, vei calcula manual acuratețea, sensibilitatea și specificitatea. 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, mdl_churn_vs_relationship și conf_matrix sunt disponibile.

Acest exercițiu face parte din cursul

Introducere în regresia cu statsmodels în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Extrage numărul de pozitive adevărate (TP), negative adevărate (TN), pozitive false (FP) și negative false (FN) din conf_matrix.
  • Calculează accuracy (acuratețea) modelului.
  • Calculează sensitivity (sensibilitatea) modelului.
  • Calculează specificity (specificitatea) modelului.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Extract TN, TP, FN and FP from conf_matrix
TN = ____
TP = ____
FN = ____
FP = ____

# Calculate and print the accuracy
accuracy = ____
print("accuracy: ", accuracy)

# Calculate and print the sensitivity
sensitivity = ____
print("sensitivity: ", sensitivity)

# Calculate and print the specificity
specificity = ____
print("specificity: ", specificity)
Editează și rulează codul