Mai multe măsuri de model

Machine Learning cu modele bazate pe arbori în R

Sandro Raabe

Data Scientist

Limitele acurateței

 

  • Un model „naiv" care prezice întotdeauna no poate atinge 98% acuratețe

$\rightarrow$ Posibil într-un set de date dezechilibrat cu 98% exemple negative

Machine Learning cu modele bazate pe arbori în R

Sensibilitate sau rata adevăratelor pozitive

  • Proporția rezultatelor pozitive clasificate corect

matrice de confuzie cu sensibilitate

Machine Learning cu modele bazate pe arbori în R

Specificitate sau rata adevăratelor negative

  • Proporția rezultatelor negative clasificate corect

matrice de confuzie cu rata adevăratelor negative

Machine Learning cu modele bazate pe arbori în R

tabel cu praguri diferite

Machine Learning cu modele bazate pe arbori în R

Curba ROC (caracteristica de operare a receptorului)

  • Vizualizează performanța unui model de clasificare pentru toate pragurile posibile

grafic curbă ROC

Machine Learning cu modele bazate pe arbori în R

Curba ROC și AUC

curbe ROC diferite

Machine Learning cu modele bazate pe arbori în R

Aria de sub curba ROC

grafic AUC

  • AUC = 0,5
  • Performanță nu mai bună decât șansa aleatorie

 

  • AUC = 1
  • Toate exemplele clasificate corect pentru orice prag $\rightarrow$ model perfect

 

  • AUC = 0
  • Toate exemplele clasificate incorect
Machine Learning cu modele bazate pe arbori în R

yardstick sensibilitate: sens()

predictions

# A tibble: 153 x 2
.pred_class   true_class
      <fct>        <fct>     
 1      yes           no        
 2       no           no        
 3       no          yes       
 4      yes          yes

# Calculate single-threshold sensitivity
sens(predictions, 
     estimate = .pred_class, 
     truth = true_class)

# A tibble: 1 x 2
  .metric        .estimate
  <chr>              <dbl>
1 sensitivity        0.872
  • Argumente similare cu accuracy() și conf_mat()
Machine Learning cu modele bazate pe arbori în R

yardstick ROC: roc_curve()

# Predict probabilities on test set
predictions <- predict(model,
                       data_test,

                       type = "prob") %>%

        bind_cols(data_test)

# A tibble: 9,116 x 13
   .pred_yes still_customer age gender    ...
       <dbl> <fct>         <int> <fct>    ...
 1    0.0557 no               45 M        ...
 2    0.0625 no               49 F        ...
 3    0.330  no               51 M        ...
 4    ...
 ...

# Calculate the ROC curve for all thresholds
roc <- roc_curve(predictions,

                 estimate = .pred_yes,

                 truth = still_customer)

# Plot the ROC curve
autoplot(roc)

curbă ROC

Machine Learning cu modele bazate pe arbori în R

yardstick AUC: roc_auc()

  • Aceleași argumente: date, coloana predicțiilor, coloana adevărului
# Calculate area under curve
roc_auc(predictions, 
        estimate = .pred_yes, 
        truth = still_customer)

# A tibble: 1 x 3
  .metric .estimator .estimate
  <chr>   <chr>          <dbl>
1 roc_auc binary         0.872
Machine Learning cu modele bazate pe arbori în R

Să măsurăm!

Machine Learning cu modele bazate pe arbori în R

Preparing Video For Download...