Ein zufälliges Modell
In dieser Übung rekonstruierst du die Grundlinie der Kumulativen-Gewinn-Kurve, also die Kumulativen-Gewinn-Kurve eines zufälligen Modells.
Dazu musst du zufällige Vorhersagen konstruieren. Die Methode plot_cumulative_gain erwartet für diese Vorhersagen zwei Werte: einen für das Ziel 0 und einen für das Ziel 1. Diese Werte sollten sich zu eins summieren, eine gültige Liste von Vorhersagen könnte zum Beispiel [(0.02,0.98),(0.27,0.73),...,(0.09,0.91)] sein.
In Python kannst du einen Zufallswert zwischen den Werten a und b wie folgt erzeugen:
import random
random_value = random.uniform(a,b)
Diese Übung ist Teil des Kurses
Einführung in Predictive Analytics mit Python
Anleitung zur Übung
- Importiere die Module
random,matplotlibundscikitplot. - Erstelle eine Liste
random_predictions, die Zufallszahlen zwischen 0 und 1 enthält. - Passe die Liste
random_predictionsso an, dass sie Tupel(r,a)enthält, wobeirder ursprüngliche Listenwert ist undaso gewählt ist, dass \(r+a=1\). - Die wahren Zielwerte stehen in
targets_test. Zeige die Kumulativen-Gewinn-Grafik deines zufälligen Modells.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Import the modules
import ____
import ____ as plt
import ____ as skplt
# Generate random predictions
random_predictions = [random.uniform(____,____) for _ in range(len(targets_test))]
# Adjust random predictions
random_predictions = [(r, ____ - ____) for r in random_predictions]
# Plot the cumulative gains graph
skplt.metrics.plot_cumulative_gain(targets_test, ____)
plt.show()