L’effet de la saisonnalité
Supposez que vous souhaitiez prédire si un donateur potentiel fera un don le mois prochain. Comme variable prédictive, vous voulez inclure le don maximal de chaque donateur au cours du mois précédent. Comme vous l’avez vu dans la vidéo, le montant moyen des dons en juillet et en septembre est similaire, mais les dons sont nettement plus élevés en décembre. Dans cet exercice, vous allez voir comment cela peut influencer les performances de votre modèle.
Le modèle de régression logistique a été créé et ajusté pour vous dans logreg sur les données de juillet.
Cet exercice fait partie du cours
Analytique prédictive intermédiaire en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# AUC of model in July:
predictions = logreg.____(test_july[["age", "max_amount"]])[:,1]
auc = ____(test_july["target"], predictions)
print(auc)