Basetable में interactions जोड़ना
मान लीजिए कि एक non-profit संस्था स्पेन और फ़्रांस में एक अभियान चलाना चाहती है और यह जानना चाहती है कि किन दाताओं के दान करने की संभावना सबसे अधिक है. आपके पास एक basetable दिया गया है जिसमें predictive वैरिएबल "age", "country_Spain", "country_France" और target "target" हैं.
आपकी सुविधा के लिए, एक फंक्शन auc दिया गया है जो partitioned डेटा पर AUC लौटाता है. यह दो argument लेता है: विचार किए गए वैरिएबल्स का सेट और basetable:
auc(["variable_1","variable_2"], basetable)
0.51
इस अभ्यास में, आप सीखेंगे कि basetable में interactions कैसे जोड़ें और यह जाँचें कि क्या इससे predictive मॉडल का AUC बेहतर होता है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
इंटरमीडिएट Predictive Analytics in Python
अभ्यास निर्देश
- केवल
ageका उपयोग करने वाले मॉडल का AUC और केवलcountry_Spainका उपयोग करने वाले मॉडल का AUC प्रिंट करें. ageऔरcountry_Spainका उपयोग करने वाले मॉडल का AUC प्रिंट करें.- दो interaction टर्म जोड़ें:
ageके साथcountry_Spainऔरageके साथcountry_France, basetable में. age,country_Spainऔर interaction टर्म्स का उपयोग करने वाले मॉडल का AUC प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Calculate AUC using age only
print(auc(["____"], basetable))
# Calculate AUC using country_Spain only
print(____(["____"], ____))
# Calculate AUC using age and country_Spain
print(____(["____", "____"], ____))
# Add interactions country_Spain x age and country_France x age
basetable["spain_age"] = ____["____"] * ____["____"]
basetable["france_age"] = ____["____"] * ____["____"]
# Calculate AUC using age, country_Spain and interactions
print(____(["____", "____", "____", "____"], ____))