Calcul de l'AUC
La valeur AUC évalue la capacité d'un modèle à ordonner les observations d'une faible probabilité d'être la cible à une forte probabilité d'être la cible. En Python, la fonction roc_auc_score permet de calculer l'AUC du modèle. Elle prend comme arguments les vraies valeurs de la cible et les prédictions.
Vous allez générer des prédictions de nouveau, puis calculer leur roc_auc_score.
Cette activité fait partie du cours
Introduction à l'analytique prédictive en Python
Instructions de l’exercice
- Le modèle
logregdu chapitre précédent a été créé et ajusté pour vous, et le DataFrameXcontient les colonnes prédictives de la table de base. Générez des prédictions pour les objets de la table de base. - Sélectionnez la deuxième colonne de
predictions, car elle contient les prédictions pour la cible. - Les vraies valeurs de la cible sont chargées dans
y. Utilisez la fonctionroc_auc_scorepour calculer l'AUC du modèle.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Make predictions
predictions = logreg.____(____)
predictions_target = predictions[:,____]
# Calculate the AUC value
auc = ____(____, ____)
print(round(auc,2))