La procédure de sélection de variables progressive par ajouts successifs (forward stepwise) fournit un ordre optimal pour ajouter les variables à l'ensemble de prédicteurs. Pour décider où arrêter, vous pouvez tracer les courbes d'AUC pour l'entraînement et le test. Ces courbes représentent l'AUC d'entraînement et de test en utilisant la première, les deux premières, les trois premières, … variables dans le modèle.

Dans cet exercice, vous apprendrez à tracer ces courbes d'AUC. La méthode auc_train_test pour calculer les valeurs d'AUC a été implémentée pour vous et peut être utilisée comme suit :

auc_train, auc_test = auc_train_test(variables, target, train, test)

où variables est l'ensemble de variables utilisées dans le modèle de régression logistique, target est une liste contenant le nom de la cible, et train et test sont respectivement les tables de base d'entraînement et de test.

Les variables ordonnées selon la procédure progressive par ajouts successifs sont fournies dans la liste variables. Vous pouvez l'explorer dans la console. De plus, trois listes vides ont été définies pour vous :

auc_values_train, qui contiendra les valeurs d'AUC d'entraînement du modèle à chaque itération
auc_values_test, qui contiendra les valeurs d'AUC de test du modèle à chaque itération
variables_evaluate, qui contiendra les variables évaluées à chaque itération

Choisir le seuil

Introduction à l'analytique prédictive en Python

Exercice interactif pratique