LoslegenKostenlos starten

Zeichne die ROC-Kurve

Wenn du die Modellleistung mit einer ROC-Kurve visualisierst, fasst du die Performance über alle möglichen Schwellenwerte in einem einzigen Plot zusammen. Er zeigt Sensitivität und Spezifität für jeden Schwellenwert. Je weiter die ROC-Kurve „nach oben links“ verläuft, desto besser ist das Modell.

Du wirst Klassenwahrscheinlichkeiten dafür vorhersagen, ob Kreditkartenkundinnen und -kunden abgewandert sind, und die Ergebnisse als ROC-Kurve darstellen.

Vorab geladen sind ein model (ein Entscheidungsbaum, der auf dem Trainingssatz der Kreditkartenkundschaft trainiert wurde) und die Testdaten customers_test.

Diese Übung ist Teil des Kurses

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

Übungsanweisungen

  • Verwende model, um Klassenwahrscheinlichkeiten für den Testsatz vorherzusagen.
  • Füge die Ergebnisse mit bind_cols() zum Testsatz hinzu und speichere das Ergebnis als predictions.
  • Berechne die ROC-Kurve des Ergebnisses.
  • Plotte die ROC-Kurve mit autoplot().

Interaktive praktische Übung

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

# Predict probabilities on test set
predictions <- predict(___, 
                       ___, 
                       type = "___") %>% 
  # Add test set
  ___(customers_test)

# Calculate the ROC curve for all thresholds
roc <- ___(___,
           estimate = ___, 
           truth = ___)

# Plot the ROC curve
___
Code bearbeiten und ausführen