Courbes ROC pour comparer les modèles à base d’arbres

Il est temps de reprendre les exercices précédents, cette fois en comparant les modèles à base d’arbres. Le package pROC() est déjà chargé dans votre environnement. Les prédictions de PD pour ces méthodes sont stockées dans les objets suivants :

predictions_undersample
predictions_prior
predictions_loss_matrix
predictions_weights

Cet exercice fait partie du cours

<cours>Modélisation du risque de crédit en R</cours>

Voir le cours

Instructions de l’exercice

Construisez les objets ROC pour les méthodes à base d’arbres avec la fonction roc(response, predictor).
Utilisez les objets créés précédemment pour construire les courbes ROC. Pour les afficher toutes sur un seul graphique, utilisez plot() pour la première courbe ROC (pour ROC_undersample), puis lines() pour ajouter les trois autres modèles au même graphique. Utilisez l’argument col pour mettre la courbe de ROC_prior en bleu, ROC_loss_matrix en rouge et ROC_weights en vert.
Pour mieux évaluer les performances des courbes ROC, consultez les AUC avec la fonction auc().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Construct the objects containing ROC-information
ROC_undersample <- 
ROC_prior <-
ROC_loss_matrix <- 
ROC_weights <- 

# Draw the ROC-curves in one plot

  

    

# Compute the AUCs

Modifier et exécuter le code