Beräkna noggrannhetsmått: recall

Recall är ett annat viktigt mått för att utvärdera noggrannheten hos en klassificeringsalgoritm. Det beräknas som andelen sanna positiva delat med summan av sanna positiva och falska negativa, det vill säga $$\frac{\text{# sanna positiva}}{\text{# sanna positiva} + \text{# falska negativa}}.$$

Om det inte finns några falska negativa är recall lika med 1. Om det inte finns några sanna positiva är recall lika med 0.

I den här övningen beräknar du recall-värdet (med sklearn-funktionen recall_score) för din inledande klassificeringsmodell.

Variablerna features_test och target_test finns tillgängliga i din arbetsmiljö.

Den här övningen är en del av kursen

HR-analys: Förutsäg personalomsättning i Python

Visa kurs

Övningsinstruktioner

Importera funktionen för att beräkna recall-värdet.
Använd den inledande modellen för att prediktera churn (baserat på särdragen i testmängden).
Beräkna recall-värdet genom att jämföra target_test med prediktionerna.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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, ____)

Redigera och kör kod