로지스틱 회귀 결과 검증

HR Analytics: R로 직원 이탈 예측하기

Anurag Gupta

People Analytics Practitioner

테스트 케이스의 이직 확률 분포

임계값을 사용하여 확률을 범주로 변환

# Classify predictions using a cut-off of 0.5
pred_cutoff_50_test <- ifelse(predictions_test > 0.5, 1, 0)

혼동 행렬이란?

혼동 행렬은 분류 모델의 성능을 측정합니다.

혼동 행렬 생성

## Creating confusion matrix
table(pred_cutoff_50_test, test_set$turnover)

prediction_categories   0   1
                    0 450  22
                    1  20  94

혼동 행렬 이해하기

진음성(TN): 모델이 재직 중인 직원을 올바르게 예측
진양성(TP): 모델이 퇴직한 직원을 올바르게 예측
위양성(FP): 모델이 재직 중인 직원을 퇴직으로 잘못 예측
위음성(FN): 모델이 퇴직한 직원을 재직 중으로 잘못 예측

혼동 행렬: 정확도

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

$$ \text{Accuracy} = \frac{\text{ 450 + 94 }}{\text{ 450 + 94 + 22 + 20}} $$

$$ = $$

$$ \text{0.9283} $$

혼동 행렬 생성

# Load library
library(caret)

# Construct a confusion matrix
conf_matrix_50 <- confusionMatrix(table(test_set$turnover, 
                                        pred_cutoff_50_test))

conf_matrix_50

Confusion Matrix and Statistics

prediction_categories   0   1
                    0 450  22
                    1  20  94

               Accuracy : 0.9283          
                 95% CI : (0.9044, 0.9479)
    No Information Rate : 0.802           
    P-Value [Acc > NIR] : <2e-16                                        
                  Kappa : 0.7728          
 Mcnemar's Test P-Value : 0.8774                                       
            Sensitivity : 0.9574          
            Specificity : 0.8103          
         Pos Pred Value : 0.9534          
         Neg Pred Value : 0.8246          
             ...

고급 방법론 참고 자료

연습해 봅시다!

HR Analytics: R로 직원 이탈 예측하기