Vykreslení ROC křivky
Jak jsi viděl/a ve videu, ROC křivka je velmi užitečný nástroj pro přehledné shrnutí výkonu klasifikátoru napříč všemi možnými prahy. Ušetří ti spoustu práce s ručním výpočtem predikcí tříd pro různé prahové hodnoty a procházením matice záměn pro každou z nich.
Pro výpočet ROC křivek se skvěle hodí balíček caTools, který obsahuje funkci colAUC(). Tato funkce je velmi intuitivní a umí naráz vypočítat ROC křivky pro více prediktorů. V tomto případě stačí vypočítat ROC křivku pro jeden prediktor, například:
colAUC(predicted_probabilities, actual, plotROC = TRUE)
Funkce vrátí skóre AUC (o tom více později) a argument plotROC = TRUE zobrazí graf ROC křivky pro vizuální kontrolu.
Toto cvičení je součástí kurzu
Machine Learning s balíčkem caret v R
Pokyny k cvičení
model, test a train z předchozího cvičení se sonarovými daty jsou načteny ve tvém pracovním prostředí.
- Predikuj pravděpodobnosti (tj.
type = "response") na testovací sadě a výsledek ulož jakop. - Pomocí predikovaných pravděpodobností na testovací sadě vytvoř ROC křivku.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Predict on test: p
# Make ROC curve