Lojistik model performansını ölçme

Artık bildiğin gibi, bir lojistik regresyon modelinin performansını ölçmek için birden fazla ölçüt var. Bu son egzersizde, doğruluk (accuracy), duyarlılık (sensitivity) ve seçiciliği (specificity) elle hesaplayacaksın. Aşağıdaki tanımları hatırla:

Accuracy, doğru olan tahminlerin oranıdır. $$ \text{accuracy} = \frac{TN + TP}{TN + FN + FP + TP} $$

Sensitivity, gerçek gözlemler içinde modelin gerçek olarak doğru tahmin ettiklerinin oranıdır. $$ \text{sensitivity} = \frac{TP}{TP + FN} $$

Specificity, yanlış gözlemler içinde modelin yanlış olarak doğru tahmin ettiklerinin oranıdır. $$ \text{specificity} = \frac{TN}{TN + FP} $$

churn, mdl_churn_vs_relationship ve conf_matrix kullanılabilir durumdadır.

Bu egzersiz

Python ile statsmodels kullanarak Regresyona Giriş

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

conf_matrix içinden true positive (TP), true negative (TN), false positive (FP) ve false negative (FN) sayılarını çıkar.
Modelin accuracy değerini hesapla.
Modelin sensitivity değerini hesapla.
Modelin specificity değerini hesapla.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Extract TN, TP, FN and FP from conf_matrix
TN = ____
TP = ____
FN = ____
FP = ____

# Calculate and print the accuracy
accuracy = ____
print("accuracy: ", accuracy)

# Calculate and print the sensitivity
sensitivity = ____
print("sensitivity: ", sensitivity)

# Calculate and print the specificity
specificity = ____
print("specificity: ", specificity)

Kodu Düzenle ve Çalıştır