Calcul des courbes ROC et de l'AUC

Les exercices précédents ont montré que la justesse est une mesure trompeuse du rendement d'un modèle sur des ensembles de données déséquilibrés. Un graphique du rendement du modèle illustre mieux le compromis entre un modèle trop agressif et un modèle trop prudent.

Dans cet exercice, vous allez créer une courbe ROC et calculer l'aire sous la courbe (AUC) pour évaluer le modèle de régression logistique des dons que vous avez construit plus tôt.

Le jeu de données donors, avec la colonne des probabilités prédites donation_prob, a été chargé pour vous.

Cette activité fait partie du cours

Apprentissage supervisé en R : Classification

Voir le cours

Instructions de l’exercice

Chargez le paquet pROC.
Créez une courbe ROC avec roc() et les colonnes des dons réels et prédits. Enregistrez le résultat dans ROC.
Utilisez plot() pour tracer l'objet ROC. Indiquez col = "blue" pour colorer la courbe en bleu.
Calculez l'aire sous la courbe avec auc().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Load the pROC package


# Create a ROC curve
ROC <- roc(___, ___)

# Plot the ROC curve
plot(___, col = ___)

# Calculate the area under the curve (AUC)
auc(___)

Modifier et exécuter le code