Вычисление метрик качества: полнота
Полнота (Recall) — ещё одна важная метрика для оценки качества алгоритма классификации. Она вычисляется как доля истинно положительных результатов от суммы истинно положительных и ложноотрицательных результатов, то есть $$\frac{\text{# of True Positives}}{\text{# of True Positives} + \text{# of False Negatives}}.$$
Если ложноотрицательных результатов нет, полнота равна 1. Если истинно положительных результатов нет, полнота равна 0.
В этом упражнении вы вычислите показатель полноты (с помощью функции recall_score из библиотеки sklearn) для вашей начальной модели классификации.
Переменные features_test и target_test доступны в вашем рабочем пространстве.
Это упражнение является частью курса
HR-аналитика: прогнозирование текучести кадров на Python
Инструкции к упражнению
- Импортируйте функцию для вычисления показателя полноты.
- Используйте начальную модель, чтобы предсказать отток сотрудников (на основе признаков тестовой выборки).
- Вычислите показатель полноты, сравнив
target_testс полученными предсказаниями.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import the function to calculate recall score
from sklearn.____ import ____
# Use the initial model to predict churn
prediction = model.____(features_test)
# Calculate recall score by comparing target_test with the prediction
____(target_test, ____)