Ajouter des interactions au basetable

Supposons qu'un organisme à but non lucratif veuille lancer une campagne en Espagne et en France, et souhaite savoir quels donateurs sont les plus susceptibles de donner. On vous fournit un basetable avec les variables prédictives « age », « country_Spain », « country_France » et la cible « target ». Pour vous faciliter la tâche, une fonction auc est offerte; elle retourne l'AUC sur des données partitionnées et prend deux arguments, soit l'ensemble des variables considérées et le basetable :

auc(["variable_1","variable_2"], basetable)
0.51

Dans cet exercice, vous apprendrez à ajouter des interactions au basetable et à vérifier si cela améliore l'AUC du modèle prédictif.

Cette activité fait partie du cours

Analytique prédictive intermédiaire en Python

Voir le cours

Instructions de l’exercice

Affichez l'AUC d'un modèle utilisant seulement age et l'AUC d'un modèle utilisant seulement country_Spain.
Affichez l'AUC d'un modèle utilisant age et country_Spain.
Ajoutez deux termes d'interaction, soit age avec country_Spain et age avec country_France, au basetable.
Affichez l'AUC d'un modèle utilisant age, country_Spain et les termes d'interaction.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Calculate AUC using age only
print(auc(["____"], basetable))

# Calculate AUC using country_Spain only
print(____(["____"], ____))

# Calculate AUC using age and country_Spain
print(____(["____", "____"], ____))

# Add interactions country_Spain x age and country_France x age
basetable["spain_age"] = ____["____"] * ____["____"]
basetable["france_age"] = ____["____"] * ____["____"]

# Calculate AUC using age, country_Spain and interactions
print(____(["____", "____", "____", "____"], ____))

Modifier et exécuter le code