Обчислення метрик точності: precision
Показник Precision — це важлива метрика для оцінювання точності алгоритму класифікації. Його обчислюють як частку істинно позитивних спрацювань від суми істинно позитивних і хибно позитивних, тобто $$\frac{\text{# істинно позитивних}}{\text{# істинно позитивних} + \text{# хибно позитивних}}.$$
- Істинно позитивні — це кількість працівників, які справді звільнилися і були правильно віднесені до тих, що звільняються.
- Хибно позитивні — це кількість працівників, які насправді залишилися, але були помилково віднесені до тих, що звільняються.
Якщо хибно позитивних немає, показник precision дорівнює 1. Якщо істинно позитивних немає, показник precision дорівнює 0.
У цій вправі ми обчислимо значення precision (за допомогою функції precision_score з sklearn) для нашої початкової моделі класифікації.
Змінні features_test і target_test доступні у вашому середовищі.
Ця вправа є частиною курсу
HR Analytics: прогнозування плинності персоналу в Python
Інструкції до вправи
- Імпортуйте функцію
precision_scoreз модуляsklearn.metrics. - Використайте початкову модель, щоб передбачити звільнення (на основі ознак тестової вибірки).
- Обчисліть значення precision, порівнявши
target_testіз передбаченнями на тестовій вибірці.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Import the function to calculate precision score
from sklearn.____ import ____
# Predict whether employees will churn using the test set
prediction = model.____(features_test)
# Calculate precision score by comparing target_test with the prediction
____(target_test, ____)