L'effet de la saisonnalité
Supposons que vous vouliez prédire si une ou un donateur potentiel fera un don le mois prochain. Comme variable prédictive, vous souhaitez inclure le don maximal de chaque personne donatrice au cours du mois précédent. Comme vous l'avez vu dans la vidéo, le montant moyen des dons en juillet et en septembre est semblable, mais les dons sont nettement plus élevés en décembre. Dans cet exercice, vous verrez comment cela peut influencer la performance de votre modèle.
Le modèle de régression logistique est créé et ajusté pour vous dans logreg sur les données de juillet.
Cette activité fait partie du cours
Analytique prédictive intermédiaire en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# AUC of model in July:
predictions = logreg.____(test_july[["age", "max_amount"]])[:,1]
auc = ____(test_july["target"], predictions)
print(auc)