Evaluează Arborele de Decizie
Poți evalua calitatea modelului tău verificând cât de bine performează pe datele de testare. Deoarece modelul nu a fost antrenat pe aceste date, rezultatul reprezintă o evaluare obiectivă a acestuia.
O matrice de confuzie oferă o detaliere utilă a predicțiilor față de valorile cunoscute. Are patru celule care reprezintă numărul de:
- Negative adevărate (TN) — modelul prezice un rezultat negativ, iar rezultatul cunoscut este negativ
- Pozitive adevărate (TP) — modelul prezice un rezultat pozitiv, iar rezultatul cunoscut este pozitiv
- Negative false (FN) — modelul prezice un rezultat negativ, dar rezultatul cunoscut este pozitiv
- Pozitive false (FP) — modelul prezice un rezultat pozitiv, dar rezultatul cunoscut este negativ.
Suma acestor valori (TN, TP, FN și FP) trebuie să fie egală cu numărul de înregistrări din datele de testare, care reprezintă doar un subset al datelor despre zboruri. Poți compara cu numărul de înregistrări din setul de testare, care este flights_test.count().
Notă: Aceste predicții sunt realizate pe datele de testare, prin urmare valorile sunt mai mici decât ar fi fost pentru predicțiile pe datele de antrenament.
Acest exercițiu face parte din cursul
Machine Learning cu PySpark
Instrucțiuni pentru exercițiu
- Creează o matrice de confuzie numărând combinațiile de
labelșiprediction. Afișează rezultatul. - Numără Negativele Adevărate, Pozitivele Adevărate, Negativele False și Pozitivele False.
- Calculează acuratețea.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Create a confusion matrix
prediction.groupBy(____, 'prediction').____().____()
# Calculate the elements of the confusion matrix
TN = prediction.filter('prediction = 0 AND label = prediction').count()
TP = prediction.____('____ AND ____').____()
FN = prediction.____('____ AND ____').____()
FP = prediction.____('____ AND ____').____()
# Accuracy measures the proportion of correct predictions
accuracy = ____
print(accuracy)