เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Confusion Matrix อีกครั้ง

การสร้าง confusion matrix ใน Python นั้นทำได้ไม่ยาก สิ่งที่ท้าทายที่สุดคือการทำความเข้าใจทิศทางของ matrix ให้ถูกต้อง แบบฝึกหัดนี้จะช่วยให้คุณเข้าใจการใช้งาน confusion matrix ใน sklearn โดยจะใช้โมเดล random forest ที่สร้างจากชุดข้อมูล tic_tac_toe ชื่อ rfc เพื่อพยากรณ์ผลลัพธ์เป็น 0 (แพ้) หรือ 1 (ชนะ) สำหรับผู้เล่นคนที่หนึ่ง

หมายเหตุ: หากอ่านข้อมูลเกี่ยวกับ confusion matrix จากแหล่งอื่นหรือสำหรับภาษาโปรแกรมอื่น ค่าต่างๆ อาจสลับกัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การตรวจสอบความถูกต้องของโมเดลใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import ฟังก์ชันของ sklearn สำหรับสร้าง confusion matrix
  • ใช้โมเดล rfc พยากรณ์หมวดหมู่บนชุดทดสอบ X_test
  • สร้าง confusion matrix โดยใช้ sklearn
  • แสดงค่าจาก cm ที่แทนจำนวน 1 จริงที่ถูกพยากรณ์ว่าเป็น 1 (true positives)

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

from sklearn.metrics import ____

# Create predictions
test_predictions = rfc.____(____)

# Create and print the confusion matrix
cm = ____(____, ____)
print(cm)

# Print the true positives (actual 1s that were predicted 1s)
print("The number of true positives is: {}".format(cm[____, ____]))
แก้ไขและรันโค้ด