Valutazione del modello

Esercitarsi con le domande di statistica per i colloqui in R

Zuzanna Chmielewska

Actuary

Cross-validation

Cross-validation

Cross-validation

Cross-validation

Cross-validation

Cross-validation

Cross-validation

Matrice di confusione

Matrice di confusione

Matrice di confusione

Matrice di confusione

Metriche di classificazione

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

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

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

Metriche di classificazione

Precisione

Recall

Metriche di regressione

Metriche di regressione

Metriche di regressione

Root Mean Squared Error

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

Mean Absolute Error

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

Metriche di regressione

Root Mean Squared Error

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

• peso alto agli errori grandi

Mean Absolute Error

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

• interpretazione immediata

Riepilogo

• validation set approach
• cross-validation
• matrice di confusione
• metriche di classificazione
• metriche di regressione

Passons à la pratique !

Esercitarsi con le domande di statistica per i colloqui in R