Modellmått

Marknadsföringsanalys: Prediktera kundbortfall i Python

Mark Peterson

Director of Data Science, Infoblox

Obalanserade klasser

telco['Churn'].value_counts()

no     2850
yes     483
Name: Churn, dtype: int64

• Noggrannhet är inte ett särskilt användbart mått

Precision

Mått	Formel
Precision	Sanna positiva / (Sanna positiva + Falska positiva)

 

• En modell med hög precision innebär:
  • Få falska positiva ("falska larm")
  • Få icke-churners klassificerades som churners

Recall

Mått	Formel
Recall/Sensitivitet	Sanna positiva / (Sanna positiva + Falska negativa)

 

• En modell med hög recall innebär att den korrekt klassificerade de flesta churners

Precision vs. Recall

Förvirringsmatris i scikit-learn

from sklearn.metrics import confusion_matrix

cm = confusion_matrix(y_test, y_pred)

Nu kör vi en övning!

Marknadsföringsanalys: Prediktera kundbortfall i Python