Výpočet ROC křivek a AUC

Předchozí cvičení ukázala, že přesnost (accuracy) může být velmi zavádějící míra výkonu modelu při práci s nevyváženými datasety. Grafické znázornění výkonu modelu lépe ilustruje kompromis mezi modelem, který je příliš agresivní, a modelem, který je příliš pasivní.

V tomto cvičení vytvoříš ROC křivku a vypočítáš plochu pod křivkou (AUC), abys mohl/a vyhodnotit model logistické regrese pro dárcovství, který jsi sestavil/a dříve.

Dataset donors se sloupcem predikovaných pravděpodobností donation_prob je již načtený.

Toto cvičení je součástí kurzu

Supervised Learning v R: Klasifikace

Zobrazit kurz

Pokyny k cvičení

Načti balíček pROC.
Vytvoř ROC křivku pomocí funkce roc() a sloupců se skutečnými a predikovanými hodnotami dárcovství. Výsledek ulož jako ROC.
Pomocí plot() vykresli objekt ROC. Zadej col = "blue", aby byla křivka modrá.
Vypočítej plochu pod křivkou pomocí auc().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Load the pROC package


# Create a ROC curve
ROC <- roc(___, ___)

# Plot the ROC curve
plot(___, col = ___)

# Calculate the area under the curve (AUC)
auc(___)

Upravit a spustit kód