Prestanda för en enskild modell

Nu när du har de binära vektorerna för modellens faktiska och förutsagda värden kan du beräkna många vanliga mätvärden för binär klassificering. I den här övningen fokuserar du på:

accuracy: andelen korrekt förutsagda värden i förhållande till alla förutsägelser.
precision: andelen förutsägelser som modellen korrekt förutsåg som TRUE.
recall: andelen faktiska TRUE-värden som modellen korrekt identifierade.

Den här övningen är en del av kursen

Maskininlärning med Tidyverse

Visa kurs

Övningsinstruktioner

Använd table() för att jämföra värdena i validate_actual och validate_predicted för exempelmodellen och valideringsdataramen.
Beräkna accuracy.
Beräkna precision.
Beräkna recall.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

library(Metrics)

# Compare the actual & predicted performance visually using a table
table(___, ___)

# Calculate the accuracy
accuracy(___, ___)

# Calculate the precision
precision(___, ___)

# Calculate the recall
recall(___, ___)

Redigera och kör kod