Ocena modelu

Ćwiczenie statystycznych pytań rekrutacyjnych w R

Zuzanna Chmielewska

Actuary

Walidacja krzyżowa

Walidacja krzyżowa

Walidacja krzyżowa

Walidacja krzyżowa

Walidacja krzyżowa

Walidacja krzyżowa

Walidacja krzyżowa

Macierz pomyłek

Macierz pomyłek

Macierz pomyłek

Macierz pomyłek

Metryki klasyfikacji

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

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

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

Metryki klasyfikacji

Precyzja

Czułość

Metryki regresji

Metryki regresji

Metryki regresji

Pierwiastek błędu średniokwadratowego

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

Średni błąd bezwzględny

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

Metryki regresji

Pierwiastek błędu średniokwadratowego

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

• większa waga dla dużych błędów

Średni błąd bezwzględny

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

• prosta interpretacja

Podsumowanie

• podejście ze zbiorem walidacyjnym
• walidacja krzyżowa
• macierz pomyłek
• metryki klasyfikacji
• metryki regresji

Czas na ćwiczenia!

Ćwiczenie statystycznych pytań rekrutacyjnych w R