Měření AUC

Teď, když jsi použil/a křížovou validaci k výpočtu průměrné přesnosti na testovacích datech (po převodu z chyby), je velmi snadné vypočítat jakoukoli jinou metriku, která tě zajímá. Stačí ji předat (nebo seznam metrik) jako argument parametru metrics funkce xgb.cv().

Tvým úkolem v tomto cvičení je vypočítat další běžnou metriku používanou při binární klasifikaci – plochu pod křivkou ("auc"). Stejně jako dříve máš v pracovním prostoru k dispozici churn_data, DMatrix churn_dmatrix a slovník parametrů params.

Toto cvičení je součástí kurzu

Extreme Gradient Boosting with XGBoost

Zobrazit kurz

Pokyny k cvičení

Proveď 3-foldovou křížovou validaci s 5 boosting rounds a metrikou "auc".
Vypiš sloupec "test-auc-mean" z cv_results.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Perform cross_validation: cv_results
cv_results = ____(dtrain=____, params=____, 
                  nfold=____, num_boost_round=____, 
                  metrics="____", as_pandas=True, seed=123)

# Print cv_results
print(cv_results)

# Print the AUC
print((cv_results["____"]).iloc[-1])

Upravit a spustit kód