Kurva ROC untuk membandingkan model berbasis pohon

Sekarang saatnya Anda mengulangi latihan sebelumnya, kali ini membandingkan model berbasis pohon. Paket pROC() sudah dimuat di workspace Anda. Prediksi PD untuk metode berbasis pohon disimpan dalam objek

predictions_undersample
predictions_prior
predictions_loss_matrix
predictions_weights

Latihan ini adalah bagian dari kursus

Pemodelan Risiko Kredit di R

Lihat Kursus

Petunjuk latihan

Bangun objek ROC untuk metode berbasis pohon menggunakan fungsi roc(response, predictor).
Gunakan objek yang telah dibuat sebelumnya untuk membangun kurva ROC. Untuk menggambarnya dalam satu plot, gunakan plot() untuk kurva ROC pertama (untuk ROC_undersample), dan lines() untuk tiga model lainnya pada plot yang sama. Gunakan argumen col untuk mengubah warna kurva ROC_prior menjadi biru, ROC_loss_matrix menjadi merah, dan ROC_weights menjadi hijau.
Untuk mendapatkan gambaran yang lebih baik tentang kinerja kurva ROC, lihat nilai AUC menggunakan fungsi auc().

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Construct the objects containing ROC-information
ROC_undersample <- 
ROC_prior <-
ROC_loss_matrix <- 
ROC_weights <- 

# Draw the ROC-curves in one plot

  

    

# Compute the AUCs

Edit dan Jalankan Kode