Medir el AUC

Ahora que has usado la validación cruzada para calcular la precisión media fuera de muestra (tras convertirla desde un error), es muy fácil calcular cualquier otra métrica que te interese. Solo tienes que pasarla (o una lista de métricas) como argumento al parámetro metrics de xgb.cv().

Tu tarea en este ejercicio es calcular otra métrica común en clasificación binaria: el área bajo la curva ("auc"). Como antes, churn_data está disponible en tu espacio de trabajo, junto con el DMatrix churn_dmatrix y el diccionario de parámetros params.

Este ejercicio forma parte del curso

Extreme Gradient Boosting con XGBoost

Ver curso

Instrucciones del ejercicio

Realiza una validación cruzada de 3 particiones con 5 rondas de boosting y "auc" como métrica.
Imprime la columna "test-auc-mean" de cv_results.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Perform cross_validation: cv_results
cv_results = ____(dtrain=____, params=____, 
                  nfold=____, num_boost_round=____, 
                  metrics="____", as_pandas=True, seed=123)

# Print cv_results
print(cv_results)

# Print the AUC
print((cv_results["____"]).iloc[-1])

Editar y ejecutar código