Konfusionsmatris
Med scikit-learns confusion_matrix()-funktion kan du enkelt skapa en konfusionsmatris för din klassificerare och få en mer nyanserad bild av dess prestanda. Funktionen tar två argument: de faktiska etiketterna för ditt testset – y_test – och dina förutsagda etiketter.
De förutsagda etiketterna från din slumpskogsklassificerare i föregående övning är lagrade i y_pred och beräknades på följande sätt:
y_pred = clf.predict(X_test)
Viktig notering: sklearn beräknar som standard konfusionsmatrisen på följande sätt:
Observera att axlarna är omvända jämfört med vad du såg i videon. Måtten i sig är desamma, men ha det i åtanke när du tolkar tabellen.
Den här övningen är en del av kursen
Marknadsföringsanalys: Prediktera kundbortfall i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import confusion_matrix