Calcul de l’AUC
La valeur d’AUC évalue la capacité d’un modèle à ordonner les observations d’une faible probabilité d’être la cible à une forte probabilité d’être la cible. En Python, la fonction roc_auc_score permet de calculer l’AUC du modèle. Elle prend comme arguments les vraies valeurs de la cible et les prédictions.
Vous allez à nouveau générer des prédictions, puis calculer son roc_auc_score.
Cet exercice fait partie du cours
Introduction à l’analytique prédictive en Python
Instructions
- Le modèle
logregdu chapitre précédent a été créé et ajusté pour vous, et le DataFrameXcontient les colonnes prédictives de la base. Générez des prédictions pour les objets de la base. - Sélectionnez la deuxième colonne de
predictions, car elle contient les prédictions pour la cible. - Les vraies valeurs de la cible sont chargées dans
y. Utilisez la fonctionroc_auc_scorepour calculer l’AUC du modèle.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Make predictions
predictions = logreg.____(____)
predictions_target = predictions[:,____]
# Calculate the AUC value
auc = ____(____, ____)
print(round(auc,2))