Mesurer l’AUC

Dans cet exercice, vous allez calculer l’AUC de vos modèles de prédiction du churn pour identifier le meilleur. Utilisez la fonction auc() du package pROC. La fonction prend deux arguments :

1. Le label réel de churn dans le jeu de test, test_set$Future.
2. La prédiction du modèle :
   a. Pour la régression logistique, il s’agit de la prédiction obtenue avec la fonction predict.
   b. Pour la random forest, il s’agit de la deuxième colonne de la prédiction obtenue avec la fonction predict.

Les objets firstPredictions, secondPredictions, thirdPredictions et rfPredictions ont été chargés pour vous.

Quel modèle a la valeur d’AUC la plus élevée ?