CommencerCommencer gratuitement

Tracer la courbe ROC

Visualiser les performances d’un modèle avec une courbe ROC permet de regrouper, en un seul graphique, les performances pour tous les seuils possibles. Elle affiche la sensibilité et la spécificité pour chaque seuil. Plus une courbe ROC est « vers le haut et vers la gauche », meilleur est le modèle.

Vous allez prédire les probabilités de classe d’anciens clients de carte bancaire (churn) et représenter les résultats sous forme de courbe ROC.

Un model préchargé est disponible : il s’agit d’un arbre de décision entraîné sur l’ensemble d’entraînement des clients carte bancaire, ainsi que les données de test, customers_test.

Cet exercice fait partie du cours

Machine Learning avec des modèles à base d’arbres en R

Afficher le cours

Instructions

  • Utilisez model pour prédire les probabilités de classe sur l’ensemble de test.
  • Ajoutez les résultats à l’ensemble de test avec bind_cols() et enregistrez le résultat dans predictions.
  • Calculez la courbe ROC à partir du résultat.
  • Tracez la courbe ROC avec autoplot().

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Predict probabilities on test set
predictions <- predict(___, 
                       ___, 
                       type = "___") %>% 
  # Add test set
  ___(customers_test)

# Calculate the ROC curve for all thresholds
roc <- ___(___,
           estimate = ___, 
           truth = ___)

# Plot the ROC curve
___
Modifier et exécuter le code