Tahmin et ve değerlendir

R ile Ağaç Tabanlı Modellerle Machine Learning

Sandro Raabe

Data Scientist

Yeni veride tahmin

predict(model, new_data, type)

predict(model, new_data = test_data, 
               type = "class")

  .pred_class
  <fct>      
1 no         
2 no         
3 yes        
4 no

predict(model, new_data = test_data, 
               type = "prob")

     .pred_no  .pred_yes
     <dbl>     <dbl>
1    0.866     0.134
2    0.956     0.044
3    0.672     0.328
4    0.877     0.123

karışıklık_matrisi_1

karışıklık_matrisi_2

karışıklık_matrisi_3

karışıklık_matrisi_4

karışıklık_matrisi_4

# Tahminler ve gerçek değerleri birleştirin
pred_combined <- predictions %>% 
   mutate(true_class = test_data$outcome)

pred_combined

  .pred_class  true_class
  <fct>        <fct>     
1 no           no        
2 no           yes       
3 no           no        
4 yes          yes

# Karışıklık matrisini hesaplayın
conf_mat(data = pred_combined,

         estimate = .pred_class,

         truth = true_class)

             Truth
Prediction    no   yes
        no   116    31
       yes    12    40

$$\text{accuracy} = \frac{\text{doğru tahmin sayısı}}{\text{toplam tahmin sayısı}}$$

Fonksiyon adı: accuracy()
conf_mat() ile aynı argümanlar
- data, estimate ve truth
- yardstick içinde ortak yapı

accuracy(pred_combined,
         estimate = .pred_class,
         truth = true_class)

  .metric     .estimate
  <chr>           <dbl>
1 accuracy        0.708

R ile Ağaç Tabanlı Modellerle Machine Learning