Modelevaluatie

Oefenen met statistiek-vragen voor sollicitaties in R

Zuzanna Chmielewska

Actuary

Cross-validatie

Cross-validatie

Cross-validatie

Cross-validatie

Cross-validatie

Cross-validatie

Cross-validatie

Verwarmingsmatrix

Verwarmingsmatrix

Verwarmingsmatrix

Verwarmingsmatrix

Classificatiemetrics

$\text{accuracy} = \frac{TP+TN}{TP+TN+FP+FN}$

$\text{precision} = \frac{TP}{TP+FP}$

$\text{recall} = \frac{TP}{TP+FN}$

Classificatiemetrics

Precisie

Recall

Regressiemetrics

Regressiemetrics

Regressiemetrics

Root Mean Squared Error

$RMSE = \sqrt{\frac{1}{n}\sum_{i=1}^{n} (y_i - \hat{y}_i)^2}$

Mean Absolute Error

$MAE = \frac{1}{n} \sum_{i=1}^{n} |y_i - \hat{y}_i|$

Regressiemetrics

Root Mean Squared Error

$RMSE = \sqrt{\frac{1}{n}\sum_{i=1}^{n} (y_i - \hat{y}_i)^2}$

• geeft hoge fouten meer gewicht

Mean Absolute Error

$MAE = \frac{1}{n} \sum_{i=1}^{n} |y_i - \hat{y}_i|$

• makkelijk te interpreteren

Samenvatting

• validatieset-methode
• cross-validatie
• verwarringsmatrix
• classificatiemetrics
• regressiemetrics

Laten we oefenen!

Oefenen met statistiek-vragen voor sollicitaties in R