เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

จากความน่าจะเป็นสู่ confusion matrix

ในทางกลับกัน สมมติว่าต้องการให้โมเดลระบุทุ่นระเบิดได้อย่างถูกต้องมากที่สุด ในกรณีนี้อาจใช้ค่า threshold ในการพยากรณ์ที่ 0.10 แทนที่จะเป็น 0.90

รูปแบบโค้ดสำหรับแปลงความน่าจะเป็นเป็นคลาสที่พยากรณ์ไว้ แล้วจึงคำนวณ confusion matrix นั้นได้แสดงไว้ใน Exercise 7 ของบทนี้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning ด้วย caret ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ ifelse() เพื่อสร้าง character vector ชื่อ m_or_r ที่มีค่าเป็น positive class คือ "M" เมื่อ p มากกว่า 0.1 และเป็น negative class คือ "R" ในกรณีอื่น
  • แปลง m_or_r ให้เป็น factor ชื่อ p_class โดยมี levels เหมือนกับ test[["Class"]]
  • สร้าง confusion matrix ด้วย confusionMatrix() โดยส่ง p_class และคอลัมน์ "Class" จากชุดข้อมูล test เป็นอาร์กิวเมนต์

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# If p exceeds threshold of 0.1, M else R: m_or_r


# Convert to factor: p_class


# Create confusion matrix
แก้ไขและรันโค้ด