คำนวณ Confusion Matrix
อย่างที่ได้เรียนในวิดีโอ โมเดล Logistic Regression สร้างการพยากรณ์ได้ 2 รูปแบบ ได้แก่ การพยากรณ์แบบต่อเนื่องในรูปของความน่าจะเป็น และการพยากรณ์แบบจัดกลุ่ม ซึ่งในตัวอย่างของชุดข้อมูล wells จะเป็นหมวดหมู่แบบแยกจากกัน 2 กลุ่ม
ในแบบฝึกหัดก่อนหน้า คุณได้คำนวณค่าพยากรณ์แบบต่อเนื่องในรูปของความน่าจะเป็นแล้ว ในแบบฝึกหัดนี้จะนำค่าเหล่านั้นมาใช้กำหนดกลุ่มให้กับแต่ละข้อสังเกตในชุดตัวอย่าง wells_test จากนั้นจะอธิบายประสิทธิภาพของโมเดลด้วย Confusion Matrix
ค่าพยากรณ์ prediction และ wells_test ถูกโหลดไว้ในพื้นที่ทำงานของคุณแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Generalized Linear Models ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Define the cutoff
cutoff = ____
# Compute class predictions: y_prediction
y_prediction = np.where(____ > ____, 1, 0)