La curva de ganancia para evaluar el modelo de desempleo

En el ejercicio anterior hiciste predicciones sobre female_unemployment y visualizaste las predicciones y los residuos. Ahora también vas a trazar la curva de ganancia de las predicciones de unemployment_model frente al female_unemployment real usando la función WVPlots::GainCurvePlot() (docs).

En situaciones donde el orden importa más que los valores exactos, la curva de ganancia te ayuda a comprobar si las predicciones del modelo se ordenan del mismo modo que el resultado real.

Las llamadas a la función GainCurvePlot() tienen esta forma:

GainCurvePlot(frame, xvar, truthvar, title)

donde

frame es un data frame
xvar y truthvar son cadenas con los nombres de las columnas de predicción y de resultado real de frame
title es el título del gráfico

Cuando las predicciones se ordenan exactamente igual, el coeficiente de Gini relativo es 1. Cuando el modelo ordena mal, el coeficiente de Gini relativo está cerca de cero, o incluso es negativo.

Tienes disponible el data frame unemployment, que también contiene las predicciones, y el modelo unemployment_model.

Este ejercicio forma parte del curso

Aprendizaje supervisado en R: Regresión

Ver curso

Instrucciones del ejercicio

Carga el paquete WVPlots usando library().
Traza la curva de ganancia. Ponle al gráfico el título "Unemployment model". ¿Ordenan bien las predicciones del modelo?

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# unemployment (with predictions) is available
summary(unemployment)

# unemployment_model is available
summary(unemployment_model)

# Load the package WVPlots
___

# Plot the Gain Curve
___(___, ___, ___, "Unemployment model")

Editar y ejecutar código