Calcul des courbes ROC et AUC

Les exercices précédents ont démontré que la précision est une mesure très trompeuse de la performance d'un modèle sur des ensembles de données déséquilibrés. La représentation graphique des performances du modèle illustre mieux le compromis entre un modèle trop agressif et un modèle trop passif.

Dans cet exercice, vous allez créer une courbe ROC et calculer l'aire sous la courbe (AUC) pour évaluer le modèle de régression logistique des dons que vous avez construit précédemment.

L'ensemble de données donors avec la colonne des probabilités prédites, donation_prob, a été chargé pour vous.

Cet exercice fait partie du cours

Apprentissage supervisé en R : Classification

Afficher le cours

Instructions

Chargez le paquet pROC.
Créez une courbe ROC avec roc() et les colonnes des dons réels et prévus. Enregistrez le résultat en tant que ROC.
Utilisez plot() pour dessiner l'objet ROC. Spécifiez col = "blue" pour colorer la courbe en bleu.
Calculez l'aire sous la courbe avec auc().

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Load the pROC package


# Create a ROC curve
ROC <- roc(___, ___)

# Plot the ROC curve
plot(___, col = ___)

# Calculate the area under the curve (AUC)
auc(___)

Modifier et exécuter le code