Sélectionner la prochaine meilleure variable

La méthode de sélection de variables pas à pas en avant commence avec un ensemble vide de variables et avance par étapes, en ajoutant à chaque étape la prochaine meilleure variable. Pour vous aider à l’implémenter, deux fonctions pratiques ont été préparées.

La fonction auc calcule, pour un ensemble de variables variables donné, l’AUC du modèle qui utilise cet ensemble comme prédicteurs. La fonction next_best détermine quelle variable ajouter à l’étape suivante à la liste de variables.

Dans cet exercice, vous allez expérimenter ces fonctions pour mieux comprendre leur rôle. Vous calculerez l’AUC d’un ensemble de variables donné, identifierez la variable à ajouter ensuite et vérifierez que cela conduit bien à une AUC optimale.

Cet exercice fait partie du cours

Introduction à l’analytique prédictive en Python

Afficher le cours

Instructions

La fonction auc a été implémentée pour vous. Calculez l’AUC d’un modèle qui utilise "max_gift", "mean_gift" et "min_gift" comme prédicteurs. Vous devez transmettre ces variables dans une liste comme premier argument de la fonction auc.
La fonction next_best a été implémentée pour vous. Calculez quelle variable doit être ajoutée ensuite, étant donné que "max_gift", "mean_gift" et "min_gift" sont actuellement dans le modèle, et que "age" et "gender_F" sont les prochains prédicteurs candidats. Le premier argument de la fonction next_best est une liste des variables actuelles, tandis que le second argument est une liste des prédicteurs candidats.
Calculez l’AUC d’un modèle qui utilise "max_gift", "mean_gift", "min_gift" et "age" comme prédicteurs.
Calculez l’AUC d’un modèle qui utilise "max_gift", "mean_gift", "min_gift" et "gender_F" comme prédicteurs.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Calculate the AUC of a model that uses "max_gift", "mean_gift" and "min_gift" as predictors
auc_current = ____([____, ____, ____], ["target"], basetable)
print(round(auc_current,4))

# Calculate which variable among "age" and "gender_F" should be added to the variables "max_gift", "mean_gift" and "min_gift"
next_variable = ____([____, ____, ____], [____, ____], ["target"], basetable)
print(next_variable)

# Calculate the AUC of a model that uses "max_gift", "mean_gift", "min_gift" and "age" as predictors
auc_current_age = ____([____, ____, ____, ____], ["target"], basetable)
print(round(auc_current_age,4))

# Calculate the AUC of a model that uses "max_gift", "mean_gift", "min_gift" and "gender_F" as predictors
auc_current_gender_F = ____([____], ["target"], basetable)
print(round(auc_current_gender_F,4))

Modifier et exécuter le code