AUC messen

In dieser Übung berechnest du die AUC deiner Churn-Vorhersagemodelle, um das beste zu finden. Verwende dazu die Funktion auc() aus dem Paket pROC. Die Funktion hat zwei Argumente:

1. Das echte Churn-Label im Testset, test_set$Future.
2. Die Modellvorhersage:
   a. Für Logistische Regression ist das die Vorhersage aus der Funktion predict.
   b. Für Random Forest ist es die zweite Spalte der Vorhersage aus der Funktion predict.

Die Objekte firstPredictions, secondPredictions, thirdPredictions und rfPredictions wurden für dich geladen.

Welches Modell hat den höchsten AUC-Wert?