Vyhodnocení modelu na trénovacích a testovacích datech

Funkce auc_train_test vypočítá AUC modelu, který je natrénovaný na train sadě a vyhodnocený na test sadě:

auc_train, auc_test = auc_train_test(variables, target, train, test)

Přičemž variables je seznam názvů proměnných použitých v modelu.

V tomto cvičení tuto funkci použiješ a ověříš, zda jsou hodnoty AUC pro trénovací a testovací sadu podobné.

Toto cvičení je součástí kurzu

Introduction to Predictive Analytics in Python

Zobrazit kurz

Pokyny k cvičení

basetable je načtena. Rozděl ji tak, aby trénovací sada obsahovala 70 % dat, a zajisti, aby trénovací i testovací sada měly stejný podíl cílové proměnné.
Pomocí funkce auc_train_test vypočítej trénovací a testovací AUC modelu, který jako prediktory používá "age" a "gender_F".

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Load the partitioning module
from sklearn.model_selection import train_test_split

# Create DataFrames with variables and target
X = basetable.drop('target', 1)
y = basetable["target"]

# Carry out 70-30 partititioning with stratification
X_train, X_test, y_train, y_test = ____(X, y, test_size = ____, stratify = ____)

# Create the final train and test basetables
train = pd.concat([X_train, y_train], axis=1)
test = pd.concat([X_test, y_test], axis=1)

 # Apply the auc_train_test function
auc_train, auc_test = ____([____, ____], ["target"], ____, ____)
print(round(auc_train,2))
print(round(auc_test,2))

Upravit a spustit kód