Perbandingan model attrition karyawan

Pada latihan ini, tugas Anda adalah membandingkan model balanced dan imbalanced (bawaan) menggunakan pohon yang sudah dipangkas (max_depth=7). Model imbalanced sudah disiapkan untuk Anda dengan menggunakan skor recall dan ROC/AUC. Lengkapi langkah yang sama untuk model balanced.

Variabel features_train, target_train, features_test, dan target_test sudah tersedia di ruang kerja Anda.
Sebuah model imbalanced sudah di-fit untuk Anda, dan prediksinya disimpan sebagai prediction.
Fungsi recall_score() dan roc_auc_score() telah diimpor untuk Anda.

Latihan ini adalah bagian dari kursus

Analitik SDM: Memprediksi Perputaran Karyawan dengan Python

Lihat Kursus

Petunjuk latihan

Inisialisasi model balanced, tetapkan kedalaman maksimum 7, dan seed 42.
Fit ke komponen pelatihan menggunakan himpunan data pelatihan.
Buat prediksi menggunakan himpunan data pengujian.
Cetak skor recall dan skor ROC/AUC.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Print the recall score
print(recall_score(target_test,prediction))
# Print the ROC/AUC score
print(roc_auc_score(target_test,prediction))

# Initialize the model
model_depth_7_b = 
# Fit it to the training component
model_depth_7_b.fit(____,____)
# Make prediction using test component
prediction_b = 
# Print the recall score for the balanced model
print(____)
# Print the ROC/AUC score for the balanced model
print(____)

Edit dan Jalankan Kode