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.
यह अभ्यास पाठ्यक्रम का हिस्सा है
scikit-learn के साथ Supervised Learning
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import roc_curve
____
# Generate ROC curve values: fpr, tpr, thresholds
fpr, tpr, thresholds = ____(____, ____)
plt.plot([0, 1], [0, 1], 'k--')
# Plot tpr against fpr
plt.plot(____, ____)
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('ROC Curve for Diabetes Prediction')
plt.show()