混淆矩阵

当因变量只有两种结果（例如流失与否）时，评估模型效果的关键在于："客户确实流失的样本中，模型正确预测了多少？"以及"客户确实未流失的样本中，模型正确预测了多少？"。这可以通过生成混淆矩阵并在其上计算汇总指标来完成。

回顾以下定义：

Accuracy（准确率）是预测正确的比例。 $$ \text{accuracy} = \frac{TN + TP}{TN + FN + FP + TP} $$

Sensitivity（灵敏度，也称召回率、真正率）是被模型正确预测为"真"的"真实为真"的观测所占比例。 $$ \text{sensitivity} = \frac{TP}{TP + FN} $$

Specificity（特异度、真负率）是被模型正确预测为"假"的"真实为假"的观测所占比例。 $$ \text{specificity} = \frac{TN}{TN + FP} $$

churn 和 mdl_churn_vs_both_inter 已可用。