1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Intermediate Predictive Analytics in Python
Connected

cvičení

Výkonnost evolučních proměnných

K dispozici máš basetable se 3 běžnými prediktivními proměnnými: "gender_F", "age", "donations_2017", a evoluční proměnnou "donations_2017_min_2016", která udává rozdíl mezi počtem darů v roce 2017 a počtem darů v roce 2016.

V tomto cvičení uvidíš, jakou přidanou hodnotu přinášejí evoluční proměnné. Sestavíš dva prediktivní modely – jeden s běžnými prediktivními proměnnými uloženými v variables_regular a druhý, kde "donations_2017" nahradíš proměnnou "donations_2017_min_2016" (tyto proměnné jsou uloženy v variables_evolution). Model logistické regrese je už inicializovaný v logreg. Model s běžnými proměnnými je již implementovaný a jeho AUC je uloženo v auc_regular.

Pokyny

100 XP
  • Vyber evoluční proměnné do X_evolution a natrénuj model.
  • Pomocí .predict_proba() vytvoř predikce pro všechna pozorování v X_evolution a vypočítej AUC pomocí roc_auc_score().
  • Vypiš AUC obou modelů a porovnej je.