嘗試另一個閾值
在前面的練習中，你使用 0.50 作為閾值，將預測機率切分成類別預測（rock 與 mine）。不過，這個分類閾值不一定符合某個特定建模問題的目標。
例如，假設你想找出那些你「非常確定」是水雷的物體。在這種情況下，你可能會用 0.90 的機率閾值，來得到「較少的預測為水雷，但每一個預測的信心更高」。
本章第 7 個練習示範了：先把機率切成預測類別，接著計算混淆矩陣的程式碼範式。
本練習屬於課程
使用 R 的 caret 進行 Machine Learning
練習說明
- 使用
ifelse()建立字元向量m_or_r：當p大於 0.9 時為正類別"M"，否則為負類別"R"。 - 將
m_or_r轉為因子p_class，其層級需與test[["Class"]]相同。 - 使用
confusionMatrix()建立混淆矩陣，傳入p_class與test資料集中的"Class"欄位。
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。
# If p exceeds threshold of 0.9, M else R: m_or_r
# Convert to factor: p_class
# Create confusion matrix