Přidání interakcí do basetable

Představ si, že nezisková organizace chce spustit kampaň ve Španělsku a Francii a potřebuje vědět, kteří dárci nejspíš přispějí. K dispozici máš basetable s prediktivními proměnnými „age", „country_Spain", „country_France" a cílovou proměnnou „target". Pro usnadnění práce je implementována funkce auc, která vrací AUC na rozdělených datech. Přijímá dva argumenty – sadu uvažovaných proměnných a basetable:

auc(["variable_1","variable_2"], basetable)
0.51

V tomto cvičení se naučíš, jak přidat interakce do basetable a ověřit, jestli to zlepší AUC prediktivního modelu.

Toto cvičení je součástí kurzu

Intermediate Predictive Analytics in Python

Zobrazit kurz

Pokyny k cvičení

Vypiš AUC modelu využívajícího pouze age a AUC modelu využívajícího pouze country_Spain.
Vypiš AUC modelu využívajícího age a country_Spain.
Přidej do basetable dva interakční členy – age s country_Spain a age s country_France.
Vypiš AUC modelu využívajícího age, country_Spain a interakční členy.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Calculate AUC using age only
print(auc(["____"], basetable))

# Calculate AUC using country_Spain only
print(____(["____"], ____))

# Calculate AUC using age and country_Spain
print(____(["____", "____"], ____))

# Add interactions country_Spain x age and country_France x age
basetable["spain_age"] = ____["____"] * ____["____"]
basetable["france_age"] = ____["____"] * ____["____"]

# Calculate AUC using age, country_Spain and interactions
print(____(["____", "____", "____", "____"], ____))

Upravit a spustit kód