Gain curve pro hodnocení modelu nezaměstnanosti

V předchozím cvičení jsi vytvořil/a předpovědi hodnoty female_unemployment a vizualizoval/a předpovědi i residuály. Teď si navíc vykreslíš gain curve předpovědí modelu unemployment_model v porovnání se skutečnými hodnotami female_unemployment – k tomu použiješ funkci WVPlots::GainCurvePlot() (dokumentace).

V situacích, kdy záleží více na pořadí než na přesných hodnotách, ti gain curve pomůže zkontrolovat, jestli předpovědi modelu řadí data ve stejném pořadí jako skutečné hodnoty výsledku.

Funkce GainCurvePlot() se volá takto:

GainCurvePlot(frame, xvar, truthvar, title)

kde

frame je datový rámec
xvar a truthvar jsou řetězce určující názvy sloupců s předpověďmi a skutečnými hodnotami v rámci frame
title je název grafu

Pokud předpovědi řadí data přesně ve správném pořadí, relativní Giniho koeficient je roven 1. Pokud model řadí data špatně, relativní Giniho koeficient je blízko nuly nebo dokonce záporný.

K dispozici máš datový rámec unemployment (který obsahuje i předpovědi) a model unemployment_model.

Načti balíček WVPlots pomocí library().
Vykresli gain curve a pojmenuj graf "Unemployment model". Řadí model předpovědi správně?

Exercise

Gain curve pro hodnocení modelu nezaměstnanosti

Instructions

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}Exercise

Instructions

Exercise