Utvärdering av klassificering
I föregående lektion byggde du en logistisk modell för att förutsäga Parkinsons sjukdom. I den här övningen ska du jämföra förutsägelser med faktiska värden.
Den här färdigheten är viktig eftersom företag fokuserar på resultat. Arbetsgivare vill veta hur träffsäkra de modeller du utvecklar är.
Åter igen ska du bygga en modell för att förutsäga status för Parkinsons sjukdom. Den här gången bygger du modellen på en del av datamängden och använder resten för testning.
Kom ihåg att \(\text{recall} = \frac{TP}{TP+FN}\).
\(TP\) betyder att vi har förutsagt ett positivt värde och hade rätt.
\(FN\) betyder att vi har förutsagt ett negativt värde men hade fel.
Ungefär 80 % av raderna i datamängden parkinsons har tilldelats train, och resten har tilldelats test.
Den här övningen är en del av kursen
Öva på statistiska intervjufrågor i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Build a logistic model on the train data
model <- ___(___ ~ NHR + ___, data = ___, family = ___)
# Calculate probabilities for the test data
probabilities <- ___(___, newdata = ___, type = ___)