分类评估
在上一节课中，您已经构建了用于预测帕金森病的逻辑回归模型。 在本练习中，您将比较预测值与真实值。
这项技能非常重要，因为公司更看重结果。 雇主希望了解您所开发模型的准确性。
您将再次构建一个模型来预测帕金森病的状态。 这一次，您将在数据集的一部分上训练模型，并用其余数据进行测试。
请记住，$\text{recall} = \frac{TP}{TP+FN}$。
\(TP\) 表示我们预测为阳性，而且预测是正确的。
\(FN\) 表示我们预测为阴性，但预测是错误的。
parkinsons 数据集大约有 80% 的行被分配到 train，其余被分配到 test。
本练习是课程的一部分
R 统计面试题实战练习
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Build a logistic model on the train data
model <- ___(___ ~ NHR + ___, data = ___, family = ___)
# Calculate probabilities for the test data
probabilities <- ___(___, newdata = ___, type = ___)