计算混淆矩阵
混淆矩阵（有时也称为混淆表）是对具有分类响应（例如逻辑回归）模型进行性能评估的基础。它统计每一种"真实响应–预测响应"组合的计数。在本例中，响应只有两类（流失或未流失），因此共有 4 种结果。
- 真正类（True positive）： 客户确实流失，模型也预测会流失。
- 假正类（False positive）： 客户未流失，但模型预测会流失。
- 真负类（True negative）： 客户未流失，模型也预测不会流失。
- 假负类（False negative）： 客户确实流失，但模型预测不会流失。
已为您提供 churn 和 mdl_churn_vs_relationship。
本练习是课程的一部分
使用 Python 中的 statsmodels 进行回归入门
练习说明
- 通过对数据集的
has_churned列进行子集选择获取真实响应。赋值给actual_response。 - 从模型获取"最可能"的预测响应。赋值给
predicted_response。 - 使用
actual_response和predicted_response创建一个 DataFrame。赋值给outcomes。 - 以计数表形式打印
outcomes，作为混淆矩阵。此步骤已为您完成。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Get the actual responses
actual_response = ____
# Get the predicted responses
predicted_response = ____
# Create outcomes as a DataFrame of both Series
outcomes = pd.DataFrame({____,
____})
# Print the outcomes
print(outcomes.value_counts(sort = False))