Évaluer la performance de votre arbre de décision
Cette section explique comment évaluer les résultats de votre arbre de décision.
Ci-dessous se trouve une matrice de confusion utilisant les données de votre Job de test.
![](/fr-FR/data-matching/7.3/Content/Resources/images/developing_a_machine_learning_routine_with_talend_and_spark_32.png)
Le modèle essaye de prédire (conversion = non) true ou false.
- TN = 15
- TP = 446
- FN = 12
- FP = 41
- Précision = (TP+TN)/Total = (15+446)/(446+15+12+41) = .90
- Sensibilité = TP/(TP+FN) = (446)/(446+12) = .97
- Spécificité = TN/(TN+FP) = (15)/(15+41) = .27
Lorsque vous avez testé le modèle d'arbre :
- Les prédictions étaient correctes 90 % du temps (précision)
- Il a prédit de manière précise 97 % des personnes qui ne sont pas passées par une conversion (sensibilité)
- Il a prédit de manière précise 27 % des personnes qui sont passées par une conversion (spécificité)