Від ймовірностей до матриці неточностей

Інша ситуація: ви хочете бути цілком певні, що модель правильно визначає всі міни як міни. Тоді можна використати поріг передбачення 0,10 замість 0,90.

Шаблон коду для перетворення ймовірностей на передбачені класи, а потім обчислення матриці неточностей, було показано у вправі 7 цього розділу.

Ця вправа є частиною курсу

Machine Learning з пакетом caret в R

Переглянути курс

Інструкції до вправи

Використайте ifelse() для створення символьного вектора m_or_r, який дорівнює позитивному класу "M", коли p більше за 0.1, і негативному класу "R" — інакше.
Перетворіть m_or_r на фактор p_class з рівнями, такими самими, як у test[["Class"]].
Створіть матрицю неточностей за допомогою confusionMatrix(), передавши p_class і стовпець "Class" з набору даних test.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# If p exceeds threshold of 0.1, M else R: m_or_r


# Convert to factor: p_class


# Create confusion matrix

Редагувати та запускати код