Das Forward-Stepwise-Verfahren zur Variablenauswahl liefert eine Reihenfolge, in der Variablen optimal zum Prädiktorset hinzugefügt werden. Um zu entscheiden, wo du die Auswahl begrenzt, kannst du die AUC-Kurven für Train und Test erstellen. Diese Kurven stellen die Train- und Test-AUC dar, wenn im Modell die erste, die ersten zwei, die ersten drei, … Variablen verwendet werden.

In dieser Übung lernst du, diese AUC-Kurven zu plotten. Die Methode auc_train_test zur Berechnung der AUC-Werte wurde für dich implementiert und kann wie folgt verwendet werden:

auc_train, auc_test = auc_train_test(variables, target, train, test)

wobei variables die im logistischen Regressionsmodell verwendeten Variablen enthält, target eine Liste mit dem Zielmerkmal ist und train sowie test die jeweiligen Basistabellen für Train und Test sind.

Die nach dem Forward-Stepwise-Verfahren geordnete Variablenliste ist in variables gegeben. Du kannst sie in der Konsole erkunden. Zusätzlich wurden drei leere Listen für dich definiert:

auc_values_train, enthält die Train-AUC-Werte des Modells in jeder Iteration
auc_values_test, enthält die Test-AUC-Werte des Modells in jeder Iteration
variables_evaluate, enthält die in jeder Iteration bewerteten Variablen

Den Cut-off festlegen

Einführung in Predictive Analytics mit Python

Interaktive Übung