CommencezCommencez gratuitement

Tracer la courbe ROC

Visualiser la performance d'un modèle avec une courbe ROC permet de rassembler, dans un seul graphique, la performance pour tous les seuils possibles. Elle présente la sensibilité et la spécificité pour chaque seuil. Plus une courbe ROC est « vers le haut et la gauche », meilleur est le modèle.

Vous allez prédire les probabilités de classe indiquant si des titulaires de carte de crédit ont résilié, puis tracer les résultats sous forme de courbe ROC.

Sont déjà chargés un model, soit un arbre de décision entraîné sur l'ensemble d'entraînement des clients de cartes de crédit, ainsi que les données de test, customers_test.

Cette activité fait partie du cours

Machine Learning avec des modèles arborescents en R

Voir le cours

Instructions de l’exercice

  • Utilisez model pour prédire les probabilités de classe sur l'ensemble de test.
  • Ajoutez les résultats à l'ensemble de test avec bind_cols() et enregistrez le tout dans predictions.
  • Calculez la courbe ROC du résultat.
  • Tracez la courbe ROC avec autoplot().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Predict probabilities on test set
predictions <- predict(___, 
                       ___, 
                       type = "___") %>% 
  # Add test set
  ___(customers_test)

# Calculate the ROC curve for all thresholds
roc <- ___(___,
           estimate = ___, 
           truth = ___)

# Plot the ROC curve
___
Modifier et exécuter le code