衡量逻辑回归模型的性能

正如您现在所知，用于评估逻辑回归模型性能的指标有多种。在本最后一个练习中，您将手动计算 accuracy（准确率）、sensitivity（灵敏度）和 specificity（特异度）。请回忆以下定义：

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

Sensitivity 是将真实为"真"的观测被模型正确预测为"真"的比例。 $$ \text{sensitivity} = \frac{TP}{TP + FN} $$

Specificity 是将真实为"假"的观测被模型正确预测为"假"的比例。 $$ \text{specificity} = \frac{TN}{TN + FP} $$

churn、mdl_churn_vs_relationship 和 conf_matrix 已可用。

从 conf_matrix 中提取真正例（TP）、真反例（TN）、假正例（FP）和假反例（FN）的数量。
计算模型的 accuracy。
计算模型的 sensitivity。
计算模型的 specificity。