การคำนวณ Confusion Matrix
Confusion matrix (หรือที่บางครั้งเรียกว่า confusion table) คือรากฐานของตัวชี้วัดประสิทธิภาพทั้งหมดสำหรับโมเดลที่มีตัวแปรตอบสนองเชิงหมวดหมู่ เช่น Logistic Regression โดยจะบันทึกจำนวนของแต่ละคู่ระหว่างการตอบสนองจริงกับการตอบสนองที่คาดการณ์ ในกรณีนี้ที่มีผลลัพธ์ที่เป็นไปได้สองแบบ (ปิดบัญชีหรือไม่ปิด) จึงมีผลลัพธ์รวมทั้งหมด 4 กรณี ดังนี้
- ลูกค้าปิดบัญชี และโมเดลคาดการณ์ถูกต้อง
- ลูกค้าปิดบัญชี แต่โมเดลคาดการณ์ผิดพลาด
- ลูกค้าไม่ได้ปิดบัญชี แต่โมเดลคาดการณ์ว่าปิด
- ลูกค้าไม่ได้ปิดบัญชี และโมเดลคาดการณ์ถูกต้อง
ชุดข้อมูล churn และโมเดล mdl_churn_vs_relationship พร้อมใช้งานแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การถดถอยใน R เบื้องต้น
คำแนะนำการฝึกหัด
- ดึงค่าการตอบสนองจริงจากคอลัมน์
has_churnedของชุดข้อมูล แล้วกำหนดให้กับตัวแปรactual_response - ดึงค่าการตอบสนองที่คาดการณ์ว่า "น่าจะเป็นไปได้มากที่สุด" จากโมเดล แล้วกำหนดให้กับตัวแปร
predicted_response - สร้างตารางนับจำนวนจาก Vector การตอบสนองจริงและการตอบสนองที่คาดการณ์ แล้วกำหนดให้กับตัวแปร
outcomes
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Get the actual responses from the dataset
actual_response <- ___
# Get the "most likely" responses from the model
predicted_response <- ___
# Create a table of counts
outcomes <- ___
# See the result
outcomes