Mengukur kecocokan regresi logistik

Pengantar Regresi dengan statsmodels di Python

Maarten Van den Broeck

Content Developer at DataCamp

Empat kemungkinan hasil

	prediksi salah	prediksi benar
aktual salah	benar	positif palsu
aktual benar	negatif palsu	benar

Confusion matrix: jumlah tiap hasil

actual_response = churn["has_churned"]

predicted_response = np.round(mdl_recency.predict())

outcomes = pd.DataFrame({"actual_response": actual_response,
                         "predicted_response": predicted_response})

print(outcomes.value_counts(sort=False))

actual_response  predicted_response
0                0.0                   141
                 1.0                    59
1                0.0                   111
                 1.0                    89

Memvisualisasikan confusion matrix

conf_matrix = mdl_recency.pred_table()

print(conf_matrix)

[[141.              59.]
 [111.              89.]]

negatif benar	positif palsu
negatif palsu	positif benar

from statsmodels.graphics.mosaicplot
import mosaic

mosaic(conf_matrix)

Plot mosaik untuk hasil model churn versus recency. Ada 200 observasi masing-masing untuk churn benar dan tidak churn benar, jadi setiap kolom lebarnya sama.

Akurasi

Akurasi adalah proporsi prediksi yang benar.

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

 [[141.,  59.],
  [111.,  89.]]

TN = conf_matrix[0,0]
TP = conf_matrix[1,1]
FN = conf_matrix[1,0]
FP = conf_matrix[0,1]

acc = (TN + TP) / (TN + TP + FN + FP)
print(acc)

0.575

Sensitivitas

Sensitivitas adalah proporsi positif benar.

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

 [[141.,  59.],
  [111.,  89.]]

TN = conf_matrix[0,0]
TP = conf_matrix[1,1]
FN = conf_matrix[1,0]
FP = conf_matrix[0,1]

sens = TP / (FN + TP)
print(sens)

0.445

Spesifisitas

Spesifisitas adalah proporsi negatif benar.

$$ \text{specificity} = \frac{TN}{TN + FP} $$

 [[141.,  59.],
  [111.,  89.]]

TN = conf_matrix[0,0]
TP = conf_matrix[1,1]
FN = conf_matrix[1,0]
FP = conf_matrix[0,1]

spec = TN / (TN + FP)
print(spec)

0.705

Ayo berlatih!

Pengantar Regresi dengan statsmodels di Python