Calculează o matrice de confuzie

Așa cum ai văzut în videoclip, matricea de confuzie este un instrument foarte util pentru calibrarea rezultatelor unui model și pentru examinarea tuturor tipurilor posibile de predicții (adevărat pozitiv, adevărat negativ, fals pozitiv, fals negativ).

Înainte de a construi matricea de confuzie, trebuie să „tai" probabilitățile prezise la un prag dat, pentru a le transforma într-un factor de predicții de clasă. Combină ifelse() cu factor() astfel:

pos_or_neg <- ifelse(probability_prediction > threshold, positive_class, negative_class)
p_class <- factor(pos_or_neg, levels = levels(test_values))

confusionMatrix() din caret îmbunătățește funcția table() din R de bază, adăugând o serie de statistici auxiliare utile pe lângă ratele de bază din tabel. Poți calcula matricea de confuzie (și statisticile asociate) folosind atât predicțiile, cât și valorile reale, de exemplu:

confusionMatrix(p_class, test_values)

Acest exercițiu face parte din cursul

Machine Learning cu caret în R

Vezi cursul

Instrucțiuni pentru exercițiu

Folosește ifelse() pentru a crea un vector de caractere, m_or_r, care să fie clasa pozitivă, "M", când p este mai mare decât 0,5, și clasa negativă, "R", în caz contrar.
Convertește m_or_r într-un factor, p_class, cu niveluri identice cu cele ale test[["Class"]].
Construiește o matrice de confuzie cu confusionMatrix(), transmițând p_class și coloana "Class" din setul de date test.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# If p exceeds threshold of 0.5, M else R: m_or_r


# Convert to factor: p_class


# Create confusion matrix

Editează și rulează codul