AUC berechnen
Der AUC-Wert bewertet, wie gut ein Modell Beobachtungen von niedriger Wahrscheinlichkeit für das Ziel bis zu hoher Wahrscheinlichkeit korrekt ordnen kann. In Python kannst du die Funktion roc_auc_score verwenden, um die AUC des Modells zu berechnen. Sie erhält als Argumente die wahren Zielwerte und die Vorhersagen.
Du wirst erneut Vorhersagen erstellen, bevor du den roc_auc_score berechnest.
Diese Übung ist Teil des Kurses
Einführung in Predictive Analytics mit Python
Anleitung zur Übung
- Das Modell
logregaus dem letzten Kapitel wurde für dich erstellt und gefittet, der DataFrameXenthält die Prädiktorspalten der Basistabelle. Erstelle Vorhersagen für die Objekte in der Basistabelle. - Wähle die zweite Spalte von
predictionsaus, da sie die Vorhersagen für das Ziel enthält. - Die wahren Zielwerte sind in
ygeladen. Verwende die Funktionroc_auc_score, um die AUC des Modells zu berechnen.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Make predictions
predictions = logreg.____(____)
predictions_target = predictions[:,____]
# Calculate the AUC value
auc = ____(____, ____)
print(round(auc,2))