Validando resultados de regressão logística

Análise de RH: Prevendo Rotatividade de Funcionários em R

Anurag Gupta

People Analytics Practitioner

Distribuição da probabilidade de turnover nos casos de teste

Converter probabilidades em categorias usando um cut-off

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

O que é matriz de confusão?

A matriz de confusão mede o desempenho de um modelo de classificação.

Criando a matriz de confusão

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

prediction_categories   0   1
                    0 450  22
                    1  20  94

Entendendo a matriz de confusão

Verdadeiros negativos (TN): o modelo identificou corretamente funcionários ativos
Verdadeiros positivos (TP): o modelo identificou corretamente funcionários inativos
Falsos positivos (FP): o modelo previu funcionários como inativos, mas eles estão ativos
Falsos negativos (FN): o modelo previu funcionários como ativos, mas eles estão inativos

Matriz de confusão: acurácia

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

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

$$ = $$

$$ \text{0.9283} $$

Criando a matriz de confusão

# 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          
             ...

Recursos para métodos avançados

Vamos praticar!

Análise de RH: Prevendo Rotatividade de Funcionários em R