Un modèle aléatoire

Dans cet exercice, vous allez reconstituer la ligne de base de la courbe des gains cumulatifs, c'est-à-dire la courbe des gains cumulatifs d'un modèle aléatoire.

Pour ce faire, vous devez construire des prédictions aléatoires. La méthode plot_cumulative_gain exige deux valeurs pour ces prédictions : une pour que la cible soit 0 et une pour que la cible soit 1. Ces valeurs doivent totaliser un, donc une liste valide de prédictions pourrait par exemple être [(0.02,0.98),(0.27,0.73),...,(0.09,0.91)].

En Python, vous pouvez générer une valeur aléatoire entre les valeurs a et b comme suit :

import random
random_value = random.uniform(a,b)

Cette activité fait partie du cours

Introduction à l'analytique prédictive en Python

Voir le cours

Instructions de l’exercice

Importez les modules random, matplotlib et scikitplot.
Construisez une liste random_predictions qui contient des nombres aléatoires entre 0 et 1.
Ajustez la liste random_predictions pour qu'elle contienne des tuples (r,a) où r est la valeur initiale de la liste et a est telle que \(r+a=1\).
Les vraies valeurs de la cible se trouvent dans targets_test. Affichez le graphique des gains cumulatifs de votre modèle aléatoire.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import the modules
import ____
import ____ as plt
import ____ as skplt

# Generate random predictions
random_predictions = [random.uniform(____,____) for _ in range(len(targets_test))]

# Adjust random predictions
random_predictions = [(r, ____ - ____) for r in random_predictions]

# Plot the cumulative gains graph
skplt.metrics.plot_cumulative_gain(targets_test, ____)
plt.show()

Modifier et exécuter le code