НачатьНачать бесплатно

Вычисление матрицы ошибок

Матрица ошибок (иногда её называют таблицей ошибок) — это основа всех метрик качества для моделей с категориальным откликом (например, для логистической регрессии). Она содержит количество каждой пары «фактический отклик — предсказанный отклик». В данном случае возможны два варианта отклика (отток или отсутствие оттока), что даёт четыре возможных исхода.

  1. Истинно положительный: клиент ушёл, и модель предсказала это.
  2. Ложноположительный: клиент не ушёл, но модель предсказала отток.
  3. Истинно отрицательный: клиент не ушёл, и модель правильно это предсказала.
  4. Ложноотрицательный: клиент ушёл, но модель не предсказала отток.

Доступны churn и mdl_churn_vs_relationship.

Это упражнение является частью курса

Введение в регрессию с statsmodels на Python

Посмотреть курс

Инструкции к упражнению

  • Получите фактические ответы, выбрав столбец has_churned из набора данных. Сохраните результат в actual_response.
  • Получите «наиболее вероятные» предсказанные ответы из модели. Сохраните результат в predicted_response.
  • Создайте DataFrame из actual_response и predicted_response. Сохраните результат в outcomes.
  • Выведите outcomes в виде таблицы частот, представляющей матрицу ошибок. Это уже сделано за вас.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Get the actual responses
actual_response = ____

# Get the predicted responses
predicted_response = ____

# Create outcomes as a DataFrame of both Series
outcomes = pd.DataFrame({____,
                         ____})

# Print the outcomes
print(outcomes.value_counts(sort = False))
Редактировать и запускать код