ROC-Kurven zum Vergleich baumbasierter Modelle

Jetzt bist du dran, die vorherigen Übungen zu wiederholen – diesmal für die baumbasierten Modelle. pROC() ist bereits in deinem Workspace geladen. Die PD-Vorhersagen für die baumbasierten Methoden sind in den Objekten gespeichert:

predictions_undersample
predictions_prior
predictions_loss_matrix
predictions_weights

Diese Übung ist Teil des Kurses

<Kurs>Kreditrisikomodellierung in R</Kurs>

Kurs ansehen

Übungsanweisungen

Erzeuge die ROC-Objekte für die baumbasierten Methoden mit der Funktion roc(response, predictor).
Nutze die zuvor erstellten Objekte, um ROC-Kurven zu erzeugen. Um alle in einem Diagramm darzustellen, verwende plot() für die zuerst gezeichnete ROC-Kurve (für ROC_undersample) und lines() für die drei anderen Modelle im selben Diagramm. Nutze das Argument col, um die Farbe der Kurve von ROC_prior auf Blau, ROC_loss_matrix auf Rot und ROC_weights auf Grün zu setzen.
Um ein besseres Gefühl für die Leistung der ROC-Kurven zu bekommen, sieh dir die AUCs mit der Funktion auc() an.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Construct the objects containing ROC-information
ROC_undersample <- 
ROC_prior <-
ROC_loss_matrix <- 
ROC_weights <- 

# Draw the ROC-curves in one plot

  

    

# Compute the AUCs

Code bearbeiten und ausführen