ประสิทธิภาพของโมเดลเดี่ยว
เมื่อมีเวกเตอร์ไบนารีสำหรับค่าจริงและค่าที่พยากรณ์ของโมเดลแล้ว ก็สามารถคำนวณเมตริกการจำแนกประเภทแบบไบนารีที่ใช้กันทั่วไปได้หลายรายการ ในแบบฝึกหัดนี้จะเน้นที่:
- accuracy: อัตราของค่าที่พยากรณ์ถูกต้องเทียบกับการพยากรณ์ทั้งหมด
- precision: สัดส่วนของการพยากรณ์ที่โมเดลระบุว่าเป็น TRUE ได้ถูกต้อง
- recall: สัดส่วนของค่าจริงที่เป็น TRUE ซึ่งโมเดลสามารถดึงกลับมาได้ถูกต้อง
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning ใน Tidyverse
คำแนะนำการฝึกหัด
- ใช้
table()เพื่อเปรียบเทียบค่าvalidate_actualและvalidate_predictedสำหรับโมเดลตัวอย่างและ data frame สำหรับการตรวจสอบ - คำนวณค่า accuracy
- คำนวณค่า precision
- คำนวณค่า recall
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
library(Metrics)
# Compare the actual & predicted performance visually using a table
table(___, ___)
# Calculate the accuracy
accuracy(___, ___)
# Calculate the precision
precision(___, ___)
# Calculate the recall
recall(___, ___)