ROC कर्व और AUC की गणना
पिछले अभ्यासों ने दिखाया है कि imbalanced डेटासेट पर accuracy मॉडल परफ़ॉर्मेंस का बहुत भ्रामक माप है. मॉडल के परफ़ॉर्मेंस का ग्राफ बनाना उस trade-off को बेहतर तरह दिखाता है जो बहुत आक्रामक मॉडल और बहुत निष्क्रिय मॉडल के बीच होता है.
इस अभ्यास में आप ROC कर्व बनाएँगे और कर्व के नीचे का क्षेत्रफल (AUC) निकालकर पहले बनाए गए डोनेशन वाले logistic regression मॉडल का आकलन करेंगे.
donors डेटासेट, जिसमें predicted probabilities का कॉलम donation_prob है, आपके लिए लोड कर दिया गया है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Supervised Learning: Classification
अभ्यास निर्देश
pROCपैकेज लोड करें.- वास्तविक और predicted donations वाले कॉलम के साथ
roc()से ROC कर्व बनाएँ. परिणाम कोROCनाम से सेव करें. plot()का उपयोग करROCऑब्जेक्ट ड्रॉ करें. कर्व को नीला रंग देने के लिएcol = "blue"सेट करें.auc()से कर्व के नीचे का क्षेत्रफल compute करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Load the pROC package
# Create a ROC curve
ROC <- roc(___, ___)
# Plot the ROC curve
plot(___, col = ___)
# Calculate the area under the curve (AUC)
auc(___)