1. Learn
    2. /
  2. कोर्स
    3. /
  3. scikit-learn के साथ Supervised Learning
Connected

अभ्यास

ROC कर्व

अब जबकि आपने डायबिटीज़ स्टेटस की भविष्यवाणी के लिए एक लॉजिस्टिक रिग्रेशन मॉडल बना लिया है, आप ROC कर्व प्लॉट कर सकते हैं ताकि यह देखा जा सके कि निर्णय थ्रेशोल्ड बदलने पर true positive rate और false positive rate कैसे बदलते हैं.

टेस्ट लेबल y_test और पॉज़िटिव क्लास से संबंधित टेस्ट फीचर्स की प्रेडिक्टेड प्रॉबेबिलिटीज़ y_pred_probs आपके लिए पहले से लोड हैं, साथ ही matplotlib.pyplot को plt नाम से इम्पोर्ट किया गया है.

आप एक ROC कर्व बनाएँगे और फिर उसके परिणामों की व्याख्या करेंगे.

निर्देश 1/2

undefined XP
    1
    2
  • roc_curve इम्पोर्ट करें.
  • y_test और y_pred_probs का उपयोग करके ROC कर्व के मान निकालें, और परिणामों को fpr, tpr, और thresholds में अनपैक करें.
  • false positive rate के मुकाबले true positive rate प्लॉट करें.