Матрицы ошибок
Матрицы ошибок — отличный способ начать оценку точности модели. Они содержат все значения, необходимые для вычисления широкого набора метрик, включая чувствительность, специфичность и F1-меру.
Вы построили классификационную модель для предсказания перелома руки по рентгеновскому снимку. На тестовой выборке получена следующая матрица ошибок:
| Прогноз: 0 | Прогноз: 1 | |
|---|---|---|
| Факт: 0 | 324 (TN) | 15 (FP) |
| Факт: 1 | 123 (FN) | 491 (TP) |
Это упражнение является частью курса
Валидация моделей на Python
Инструкции к упражнению
- Используйте матрицу ошибок, чтобы вычислить общую точность (accuracy).
- Используйте матрицу ошибок, чтобы вычислить точность (precision) и полноту (recall).
- Используйте три оператора
print, чтобы вывести каждое из полученных значений.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Calculate and print the accuracy
accuracy = (____ + ____) / (953)
print("The overall accuracy is {0: 0.2f}".format(accuracy))
# Calculate and print the precision
precision = (____) / (____ + ____)
print("The precision is {0: 0.2f}".format(precision))
# Calculate and print the recall
recall = (____) / (____ + ____)
print("The recall is {0: 0.2f}".format(recall))