Courbes ROC pour comparer les modèles à base d'arbres

À vous de reprendre les exercices précédents, cette fois pour comparer les modèles à base d'arbres. Le paquet pROC() est déjà chargé dans votre espace de travail. Les prédictions de PD pour les méthodes à base d'arbres sont stockées dans les objets suivants :

predictions_undersample
predictions_prior
predictions_loss_matrix
predictions_weights

Cette activité fait partie du cours

Modélisation du risque de crédit en R

Voir le cours

Instructions de l’exercice

Construisez les objets ROC pour les méthodes à base d'arbres avec la fonction roc(response, predictor).
À partir des objets créés, tracez les courbes ROC. Pour les afficher sur un seul graphique, utilisez plot() pour la première courbe ROC (pour ROC_undersample), puis lines() pour ajouter les trois autres modèles sur le même graphique. Utilisez l'argument col pour changer la couleur : bleu pour ROC_prior, rouge pour ROC_loss_matrix et vert pour ROC_weights.
Pour mieux évaluer la performance des courbes ROC, consultez les AUC avec la fonction auc().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Construct the objects containing ROC-information
ROC_undersample <- 
ROC_prior <-
ROC_loss_matrix <- 
ROC_weights <- 

# Draw the ROC-curves in one plot

  

    

# Compute the AUCs

Modifier et exécuter le code