衡量邏輯斯迴歸模型效能
如你現在所知，衡量邏輯斯迴歸模型效能有多種指標。這個最後的練習中，你將手動計算 accuracy、sensitivity 與 specificity。回顧以下定義：
Accuracy 是正確預測所占的比例。 $$ \text{accuracy} = \frac{TN + TP}{TN + FN + FP + TP} $$
Sensitivity 是將「為真」的觀測正確預測為「真」所占的比例。 $$ \text{sensitivity} = \frac{TP}{TP + FN} $$
Specificity 是將「為假」的觀測正確預測為「假」所占的比例。 $$ \text{specificity} = \frac{TN}{TN + FP} $$
churn、mdl_churn_vs_relationship 與 conf_matrix 已可使用。
本練習屬於課程
使用 Python 中的 statsmodels 進行回歸入門
練習說明
- 從
conf_matrix擷取真正例（TP）、真反例（TN）、假正例（FP）與假反例（FN）的數量。 - 計算模型的
accuracy。 - 計算模型的
sensitivity。 - 計算模型的
specificity。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Extract TN, TP, FN and FP from conf_matrix
TN = ____
TP = ____
FN = ____
FP = ____
# Calculate and print the accuracy
accuracy = ____
print("accuracy: ", accuracy)
# Calculate and print the sensitivity
sensitivity = ____
print("sensitivity: ", sensitivity)
# Calculate and print the specificity
specificity = ____
print("specificity: ", specificity)