ROC कर्व
चलिए अब अपने रैंडम फॉरेस्ट क्लासिफायर के लिए ROC कर्व बनाते हैं। पहला चरण है क्लासिफायर की .predict_proba() मेथड से प्रत्येक लेबल के लिए प्रेडिक्टेड प्रॉबेबिलिटीज निकालना। फिर, आप sklearn.metrics के roc_curve फंक्शन का उपयोग करके false positive rate और true positive rate निकाल सकते हैं, जिन्हें आप बाद में matplotlib से प्लॉट करेंगे.
70% ट्रेनिंग सेट साइज के साथ एक RandomForestClassifier डेटा पर फिट किया जा चुका है और आपके वर्कस्पेस में clf नाम से उपलब्ध है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Marketing Analytics: Python में Customer Churn की भविष्यवाणी
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Generate the probabilities
y_pred_prob = ____.____(____)[:, 1]