Olasılıklardan karmaşıklık matrisine
Tersine, modelinin tüm mayınları doğru şekilde mayın olarak tanımladığından gerçekten emin olmak istediğini düşün. Bu durumda, 0.90 yerine 0.10'luk bir tahmin eşiği kullanabilirsin.
Olasılıkları öngörülen sınıflara bölme ve ardından bir karmaşıklık matrisi hesaplama kalıbı, bu bölümün 7. Egzersizinde gösterilmişti.
Bu egzersiz
R ile caret kullanarak Machine Learning
kursunun bir parçasıdırEgzersiz talimatları
ifelse()kullanarak,pdeğeri 0.1'den büyük olduğunda pozitif sınıf"M", aksi halde negatif sınıf"R"olacak şekilde,m_or_radlı bir karakter vektörü oluştur.m_or_r'yi, düzeyleritest[["Class"]]ile aynı olacak şekilde bir faktöre (p_class) dönüştür.confusionMatrix()ile bir karmaşıklık matrisi oluştur;p_classvetestveri setindeki"Class"sütununu geçir.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# If p exceeds threshold of 0.1, M else R: m_or_r
# Convert to factor: p_class
# Create confusion matrix