เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Confusion Matrix

เมื่อตัวแปรตอบสนองมีเพียงสองผลลัพธ์ เช่น กรณีการเลิกใช้บริการ (churn) ตัวชี้วัดความสำเร็จของโมเดลจะอยู่ที่ว่า "โมเดลทำนายได้ถูกต้องกี่ครั้งในกรณีที่ลูกค้าเลิกใช้บริการ" และ "โมเดลทำนายได้ถูกต้องกี่ครั้งในกรณีที่ลูกค้าไม่เลิกใช้บริการ" ซึ่งสามารถหาคำตอบได้โดยการสร้าง confusion matrix และคำนวณค่าสรุปต่าง ๆ จากนั้น

ขอทบทวนนิยามที่เกี่ยวข้องดังนี้:

Accuracy คือสัดส่วนของการทำนายที่ถูกต้องทั้งหมด $$ \text{accuracy} = \frac{TN + TP}{TN + FN + FP + TP} $$

Sensitivity คือสัดส่วนของกรณีที่เป็น true จริง ที่โมเดลทำนายได้ถูกต้องว่าเป็น true $$ \text{sensitivity} = \frac{TP}{TP + FN} $$

Specificity คือสัดส่วนของกรณีที่เป็น false จริง ที่โมเดลทำนายได้ถูกต้องว่าเป็น false $$ \text{specificity} = \frac{TN}{TN + FP} $$

churn และ mdl_churn_vs_both_inter พร้อมใช้งานแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Regression ระดับกลางด้วย statsmodels ใน Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create conf_matrix
conf_matrix = ____

# Print it
print(conf_matrix)
แก้ไขและรันโค้ด