Förväxlingsmatriser
Förväxlingsmatriser är ett bra sätt att börja utforska din modells noggrannhet. De ger de värden som behövs för att beräkna ett brett urval av mätvärden, inklusive sensitivitet, specificitet och F1-poäng.
Du har byggt en klassificeringsmodell för att förutsäga om en person har en bruten arm baserat på en röntgenbild. På testmängden har du följande förväxlingsmatris:
| Prediktion: 0 | Prediktion: 1 | |
|---|---|---|
| Faktiskt: 0 | 324 (TN) | 15 (FP) |
| Faktiskt: 1 | 123 (FN) | 491 (TP) |
Den här övningen är en del av kursen
Modellvalidering i Python
Övningsinstruktioner
- Använd förväxlingsmatrisen för att beräkna den totala noggrannheten.
- Använd förväxlingsmatrisen för att beräkna precision och recall.
- Använd de tre print-satserna för att skriva ut varje noggrannhetsvärde.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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))