ÎncepețiÎncepe gratuit

Calculează specificitatea

Folosirea unor măsuri diferite pentru performanța modelului îți permite să o evaluezi mai precis. Există mai multe metrici potrivite pentru diferite scenarii. Specificitatea măsoară proporția rezultatelor negative adevărate identificate corect:

$$\text{specificity} = \frac{TN}{TN + FP}$$

Această formulă implică faptul că, pe măsură ce specificitatea se apropie de 100%, numărul de fals pozitive (FP) se apropie de 0.

În acest exercițiu, vei investiga specificitatea out-of-sample a modelului tău folosind validarea încrucișată.

Sunt preîncărcate datele de antrenament ale setului de date cu clienți ai cardurilor de credit, customers_train, și o specificație de arbore de decizie, tree_spec, generată cu următorul cod:

tree_spec <- decision_tree() %>% 
                set_engine("rpart") %>%
                set_mode("classification")

Acest exercițiu face parte din cursul

Machine Learning cu modele bazate pe arbori în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • Creează trei folduri CV din customers_train și salvează-le ca folds.
  • Calculează specificity prin validare încrucișată folosind funcția fit_resamples(), care primește specificația tree_spec, o formulă de model, foldurile CV și un set de metrici corespunzător. Folosește toți predictorii pentru a prezice still_customer și salvează rezultatele în specificities.
  • Agregă rezultatele folosind o singură funcție.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create CV folds of the training data
folds <- ___(customers_train, v = ___)

# Calculate CV specificity
specificities <- ___(___, 
                     ___,
                     resamples = ___,
                     metrics = ___)

# Collect the metrics
___(specificities)
Editează și rulează codul