LoslegenKostenlos starten

ROC-Kurven plotten

Du hast erneut gesehen, dass der Boosted-Tree die höchste AUC liefert. Zahlen sind gut, aber Bilder sagen mehr! Warum nicht diese Ergebnisse visualisieren?

Du wirst die Modellgüte darstellen, indem du alle ROC-Kurven in einem gemeinsamen Plot zeichnest. Da die AUC wörtlich die Fläche unter diesen ROC-Kurven ist, sollte das Boosting-Modell die größte Fläche unter seiner ROC-Kurve haben und links oben im Plot liegen.

Das Vorhersage-Tibble preds_combined ist weiterhin geladen.

Diese Übung ist Teil des Kurses

<Kurs>Maschinelles Lernen mit baumbasierten Modellen in R</Kurs>
Kurs ansehen

Übungsanweisungen

  • Forme das Tibble preds_combined so um, dass alle Spalten, die mit "preds_" beginnen, als Zeilen statt als Spalten vorliegen. Wandle die Namen in eine Spalte "model" und die Werte in eine Spalte "predictions" um.
  • Gruppiere die Ergebnisse nach model.
  • Berechne die ROC-Werte für alle Cutoffs.
  • Erzeuge einen grafischen Plot der Kurven.

Interaktive praktische Übung

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

# Reshape the predictions into long format
predictions_long <- tidyr::pivot_longer(___,
                                        cols = starts_with("___"),
                                        names_to = "___",
                                        values_to = "___")

predictions_long %>% 
  # Group by model
  ___(___) %>% 
  # Calculate values for every cutoff
  ___(truth = ___, 
      estimate = ___) %>%
  # Create a plot from the calculated data
  ___()
Code bearbeiten und ausführen