Оценка классификации
В предыдущем уроке вы построили логистическую модель для предсказания болезни Паркинсона. В этом упражнении вы сравните предсказанные значения с фактическими.
Этот навык крайне важен, поскольку компании ориентируются на результат. Работодатели хотят знать, насколько точны модели, которые вы разрабатываете.
Вам снова предстоит построить модель для предсказания статуса болезни Паркинсона. На этот раз вы обучите модель на части набора данных, а оставшуюся часть используете для тестирования.
Напомним, что \(\text{recall} = \frac{TP}{TP+FN}\).
\(TP\) означает, что мы предсказали положительное значение и оказались правы.
\(FN\) означает, что мы предсказали отрицательное значение, но ошиблись.
Около 80% строк набора данных parkinsons отнесены к train, остальные — к test.
Это упражнение является частью курса
Практика статистических вопросов для интервью на R
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Build a logistic model on the train data
model <- ___(___ ~ NHR + ___, data = ___, family = ___)
# Calculate probabilities for the test data
probabilities <- ___(___, newdata = ___, type = ___)