Comparación de modelos de rotación de empleados

En este ejercicio, tu tarea es comparar los modelos balanceado e imbalanceado (por defecto) usando el árbol podado (max_depth=7). El modelo imbalanceado ya está hecho usando las métricas recall y ROC/AUC. Completa los mismos pasos para el modelo balanceado.

Las variables features_train, target_train, features_test y target_test ya están disponibles en tu espacio de trabajo.
Ya se ha ajustado un modelo desequilibrado por ti y sus predicciones se han guardado como prediction.
Las funciones recall_score() y roc_auc_score() ya se han importado por ti.

Este ejercicio forma parte del curso

Analítica de RR. HH.: Predicción de rotación de empleados en Python

Ver curso

Instrucciones del ejercicio

Inicializa el modelo balanceado, estableciendo su profundidad máxima en 7 y la semilla en 42.
Ajústalo a la parte de entrenamiento usando el conjunto de entrenamiento.
Realiza predicciones usando el conjunto de prueba.
Imprime el recall y la puntuación ROC/AUC.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Print the recall score
print(recall_score(target_test,prediction))
# Print the ROC/AUC score
print(roc_auc_score(target_test,prediction))

# Initialize the model
model_depth_7_b = 
# Fit it to the training component
model_depth_7_b.fit(____,____)
# Make prediction using test component
prediction_b = 
# Print the recall score for the balanced model
print(____)
# Print the ROC/AUC score for the balanced model
print(____)

Editar y ejecutar código