Un modèle parfait
Dans cet exercice, vous allez reconstruire la courbe de lift d’un modèle parfait. Pour cela, vous devez construire des prédictions parfaites.
Rappelez-vous que la méthode plot_lift_curve attend deux valeurs pour l’argument des prédictions : la première pour la classe cible 0 et la seconde pour la classe cible 1.
Cet exercice fait partie du cours
Introduction à l’analytique prédictive en Python
Instructions
- Construisez une liste contenant des prédictions parfaites.
- Les vraies valeurs de la cible se trouvent dans
targets_test. Tracez la courbe de lift en utilisant ces prédictions parfaites.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Generate perfect predictions
perfect_predictions = [(1-target , ____) for target in targets_test["target"]]
# Plot the lift curve
skplt.metrics.____(targets_test, ____)
plt.show()