1. Learn
    2. /
  2. 课程
    3. /
  3. 使用 Python 中的 statsmodels 进行回归入门
Connected

道练习

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。

  1. 真正类（True positive）： 客户确实流失，模型也预测会流失。
  2. 假正类（False positive）： 客户未流失，但模型预测会流失。
  3. 真负类（True negative）： 客户未流失，模型也预测不会流失。
  4. 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。

说明

100 XP
  • 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。