Začněte nyníZačněte zdarma

In-sample ROC a AUC

Jak dobře bagged trees zachycují strukturu trénovací sady? Jsou lepší než rozhodovací stromy? Přetrénují se? ROC a AUC jsou skvělým nástrojem, jak to zjistit.

V tomto cvičení vygeneruješ in-sample předpovědi a vypočítáš jejich ROC a AUC. Pozor, čeká tě překvapení!

K dispozici máš výsledek předchozího cvičení, model_bagged, a trénovací data, customers_train.

Toto cvičení je součástí kurzu

Machine Learning with Tree-Based Models in R

Zobrazit kurz

Pokyny k cvičení

  • Pomocí model_bagged vygeneruj předpovědi pravděpodobností na trénovací sadě a přidej je do tibble trénovacích dat – výsledek ulož jako predictions.
  • Vygeneruj ROC křivku z tibble predictions a výsledek vykresli.
  • Vypočítej AUC z tibble predictions.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Predict on training set and add to training set
predictions <- ___(___,
                   new_data = ___, 
                   type = "___") %>% 
    bind_cols(___)

# Create and plot the ROC curve
roc_curve(___,
          estimate = ___,
          truth = ___) %>% autoplot()

# Calculate the AUC
___(predictions,
    estimate = ___, 
    truth = ___)
Upravit a spustit kód