Modelstatistieken

Marketinganalyse: klantverloop voorspellen in Python

Mark Peterson

Director of Data Science, Infoblox

Ongelijke klassen

telco['Churn'].value_counts()

no     2850
yes     483
Name: Churn, dtype: int64

• Nauwkeurigheid is hier niet erg nuttig

Precisie

Maatstaf	Formule
Precisie	True Positives / (True Positives + False Positives)

 

• Een model met hoge precisie betekent:
  • Weinig false positives ("valse alarmen")
  • Weinig niet-churners geclassificeerd als churners

Recall

Maatstaf	Formule
Recall/Gevoeligheid	True Positives / (True Positives + False Negatives)

 

• Een model met hoge recall classificeert de meeste churners correct

Precisie vs. Recall

Verwarringsmatrix in scikit-learn

from sklearn.metrics import confusion_matrix

cm = confusion_matrix(y_test, y_pred)

Laten we oefenen!

Marketinganalyse: klantverloop voorspellen in Python