ComenzarEmpieza gratis

ROC y AUC dentro de la muestra

¿Qué tan bien capturan los árboles con bagging la estructura de tu conjunto de entrenamiento? ¿Son mejores que los árboles de decisión? ¿Se sobreajustan? Usar ROC y AUC es una gran forma de evaluarlo.

En este ejercicio, vas a generar estas predicciones dentro de la muestra y a calcular su ROC y AUC. ¡Atento, habrá sorpresas!

Tienes precargados el resultado del ejercicio anterior, model_bagged, y los datos de entrenamiento, customers_train.

Este ejercicio forma parte del curso

Machine Learning con modelos basados en árboles en R

Ver curso

Instrucciones del ejercicio

  • Usa model_bagged para generar predicciones de probabilidad con tu conjunto de entrenamiento y añádelas al tibble de entrenamiento, guardando el resultado como predictions.
  • Genera la curva ROC del tibble predictions y representa el resultado.
  • Calcula el AUC del tibble predictions.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Predict on training set and add to training set
predictions <- ___(___,
                   new_data = ___, 
                   type = "___") %>% 
    bind_cols(___)

# Create and plot the ROC curve
roc_curve(___,
          estimate = ___,
          truth = ___) %>% autoplot()

# Calculate the AUC
___(predictions,
    estimate = ___, 
    truth = ___)
Editar y ejecutar código