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.

Toto cvičení je součástí kurzu

Supervised Learning in R: Regression

Zobrazit kurz

Pokyny k cvičení

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

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# unemployment (with predictions) is available
summary(unemployment)

# unemployment_model is available
summary(unemployment_model)

# Load the package WVPlots
___

# Plot the Gain Curve
___(___, ___, ___, "Unemployment model")

Upravit a spustit kód