1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Supervised Learning with scikit-learn
Connected

cvičení

ROC AUC

ROC křivka, kterou jsi vykreslil/a v předchozím cvičení, vypadala slibně.

Teď vypočítáš plochu pod ROC křivkou spolu s dalšími klasifikačními metrikami, které jsi používal/a dříve.

Funkce confusion_matrix a classification_report jsou pro tebe předpřipraveny, stejně jako model logreg, který jsi vytvořil/a dříve, a proměnné X_train, X_test, y_train, y_test. Predikované štítky testovací sady jsou uloženy jako y_pred a pravděpodobnosti příslušnosti pozorování z testovací sady k pozitivní třídě jako y_pred_probs.

Byl také vytvořen model knn a jeho výkonnostní metriky jsou vypsány v konzoli – můžeš tak porovnat roc_auc_score, confusion_matrix a classification_report mezi oběma modely.

Pokyny

100 XP
  • Importuj roc_auc_score.
  • Vypočítej a vypiš skóre ROC AUC – předej mu testovací štítky a predikované pravděpodobnosti pozitivní třídy.
  • Vypočítej a vypiš matici záměn.
  • Zavolej classification_report().