La sélection progressive avant (forward stepwise) fournit un ordre optimal d’ajout des variables à l’ensemble de prédicteurs. Pour décider où arrêter l’ajout de variables, vous pouvez tracer les courbes d’AUC d’entraînement et de test. Ces courbes représentent l’AUC d’entraînement et de test en utilisant la première, les deux premières, les trois premières, … variables du modèle.

Dans cet exercice, vous allez apprendre à tracer ces courbes d’AUC. La méthode auc_train_test pour calculer les valeurs d’AUC a été implémentée pour vous et s’utilise comme suit :

auc_train, auc_test = auc_train_test(variables, target, train, test)

où variables est l’ensemble des variables utilisées dans le modèle de régression logistique, target est une liste contenant le nom de la cible, et train et test sont respectivement les basetables d’entraînement et de test.

Les variables ordonnées selon la procédure forward stepwise sont données dans la liste variables. Vous pouvez l’explorer dans la console. De plus, trois listes vides ont été définies pour vous :

auc_values_train, qui contiendra les valeurs d’AUC d’entraînement du modèle à chaque itération
auc_values_test, qui contiendra les valeurs d’AUC de test du modèle à chaque itération
variables_evaluate, qui contiendra les variables évaluées à chaque itération

Déterminer le seuil

Introduction à l’analytique prédictive en Python

Exercice interactif pratique