混淆矩陣

當應變數只有兩種結果時（例如是否流失），評估模型表現的重點在於：「模型正確預測了多少個實際流失的案例？」以及「模型正確預測了多少個實際未流失的案例？」。你可以透過建立混淆矩陣，並在其上計算摘要指標來得到這些資訊。

回顧以下定義：

「Accuracy（準確率）」是所有預測中，正確者所佔的比例。 $$ \text{accuracy} = \frac{TN + TP}{TN + FN + FP + TP} $$

「Sensitivity（敏感度，也稱召回率/真正率）」是所有「真」的觀測中，被模型正確預測為「真」的比例。 $$ \text{sensitivity} = \frac{TP}{TP + FN} $$

「Specificity（特異度）」是所有「假」的觀測中，被模型正確預測為「假」的比例。 $$ \text{specificity} = \frac{TN}{TN + FP} $$

churn 和 mdl_churn_vs_both_inter 已可使用。