Karmaşıklık (confusion) matrisi oluşturma

Bu örnekte, bir modeli çalıştırdığını ve tahmin edilen sonuçları model_pred adlı bir vektörde sakladığını varsayalım. Modelin nasıl performans gösterdiğini görmek istiyorsun, bu yüzden bir karmaşıklık matrisi oluşturacaksın. Gerçek kredi durumu sütununu (loan_status) table() fonksiyonunu kullanarak tahmin değerleri (model_pred) ile karşılaştıracaksın; burada argümanlar sırasıyla gerçek değerler ve tahmin değerleridir. Karmaşıklık matrisinin yapısını hatırla:

ve formüllerini:

$$\textrm{Classification accuracy} = \frac{(TP + TN)}{(TP + FP + TN + FN)}$$

$$\textrm{Sensitivity} = \frac{TP}{(TP + FN)}$$

$$\textrm{Specificity} = \frac{TN}{(TN + FP)}$$

Bu egzersiz

R ile Kredi Riski Modellemesi

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

test_set içindeki loan_status sütununu model_pred vektörüyle karşılaştıran bir karmaşıklık matrisi oluştur. Bunu iki argümanla table() fonksiyonunu kullanarak yapabilirsin. Matrisi conf_matrix nesnesinde sakla.
Sınıflandırma doğruluğunu (classification accuracy) hesapla ve sonucu yazdır. Bunu, conf_matrix içinden doğru matris elemanlarını seçerek ya da ilgili değerleri kopyalayıp yapıştırarak yapabilirsin.
Duyarlılığı (sensitivity) hesapla ve sonucu yazdır.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Create confusion matrix


# Compute classification accuracy


# Compute sensitivity

Kodu Düzenle ve Çalıştır