การตีความ Confusion Matrix
โจทย์กำหนดผลการวินิจฉัยจริงและผลการวินิจฉัยที่โมเดลทำนายจากชุดข้อมูล heart_disease ให้ในชื่อ actuals และ predictions ตามลำดับ นำเข้าและสร้าง confusion matrix จากผลการวินิจฉัยเหล่านี้ด้วยฟังก์ชัน confusion_matrix() ที่นำเข้ามาแล้ว แล้วเลือกคำตอบที่ถูกต้อง โดย sklearn แสดงผล confusion matrix ในรูปแบบดังนี้:
| Actual: Heart disease | Actual: No heart disease | |
|---|---|---|
| Predicted: Heart disease | ||
| Predicted: No heart disease |
⚠️ หมายเหตุ: พิมพ์โค้ดใน IPython Shell แล้วกด Enter
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning แบบ End-to-End
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำจริง
เปลี่ยนทฤษฎีให้เป็นการลงมือทำด้วยแบบฝึกหัดเชิงโต้ตอบหนึ่งในของเรา
เริ่มแบบฝึกหัด