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, kursun bir parçasıdır
R ile caret kullanarak Machine Learning
Egzersiz 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 etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# If p exceeds threshold of 0.1, M else R: m_or_r
# Convert to factor: p_class
# Create confusion matrix