Seleccionar la siguiente mejor variable

El método de selección de variables forward stepwise empieza con un conjunto vacío y avanza por pasos, añadiendo en cada paso la siguiente mejor variable. Para ayudarte a implementarlo, ya tienes dos funciones muy prácticas.

La función auc calcula, para un conjunto de variables variables, el AUC del modelo que las usa como predictores. La función next_best calcula qué variable se debería añadir en el siguiente paso a la lista de variables.

En este ejercicio, vas a experimentar con estas funciones para entender mejor su finalidad. Calcularás el AUC de un conjunto de variables dado, decidirás qué variable conviene añadir a continuación y comprobarás que esto efectivamente conduce a un AUC óptimo.

Este ejercicio forma parte del curso

Introducción al análisis predictivo en Python

Ver curso

Instrucciones del ejercicio

La función auc ya está implementada. Calcula el AUC de un modelo que usa "max_gift", "mean_gift" y "min_gift" como predictores. Debes pasar estas variables en una lista como primer argumento de la función auc.
La función next_best ya está implementada. Calcula qué variable se debería añadir a continuación, sabiendo que "max_gift", "mean_gift" y "min_gift" están actualmente en el modelo, y que "age" y "gender_F" son los predictores candidatos. El primer argumento de next_best es una lista con las variables actuales y el segundo es una lista con los predictores candidatos.
Calcula el AUC de un modelo que usa "max_gift", "mean_gift", "min_gift" y "age" como predictores.
Calcula el AUC de un modelo que usa "max_gift", "mean_gift", "min_gift" y "gender_F" como predictores.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Calculate the AUC of a model that uses "max_gift", "mean_gift" and "min_gift" as predictors
auc_current = ____([____, ____, ____], ["target"], basetable)
print(round(auc_current,4))

# Calculate which variable among "age" and "gender_F" should be added to the variables "max_gift", "mean_gift" and "min_gift"
next_variable = ____([____, ____, ____], [____, ____], ["target"], basetable)
print(next_variable)

# Calculate the AUC of a model that uses "max_gift", "mean_gift", "min_gift" and "age" as predictors
auc_current_age = ____([____, ____, ____, ____], ["target"], basetable)
print(round(auc_current_age,4))

# Calculate the AUC of a model that uses "max_gift", "mean_gift", "min_gift" and "gender_F" as predictors
auc_current_gender_F = ____([____], ["target"], basetable)
print(round(auc_current_gender_F,4))

Editar y ejecutar código