Menambahkan interaksi ke basetable

Misalkan sebuah organisasi nirlaba ingin meluncurkan kampanye di Spanyol dan Prancis, dan ingin mengetahui donor mana yang paling mungkin berdonasi. Diberikan sebuah basetable dengan variabel prediktif "age", "country_Spain", "country_France" dan target "target". Untuk memudahkan, sebuah fungsi auc telah diimplementasikan yang mengembalikan AUC pada data yang dipartisi, dengan dua argumen, yaitu himpunan variabel yang dipertimbangkan dan basetable:

auc(["variable_1","variable_2"], basetable)
0.51

Dalam latihan ini, Anda akan mempelajari cara menambahkan interaksi ke basetable dan memverifikasi apakah ini meningkatkan AUC model prediktif.

Latihan ini adalah bagian dari kursus

Predictive Analytics Tingkat Menengah dengan Python

Lihat Kursus

Petunjuk latihan

Cetak AUC dari model yang hanya menggunakan age dan AUC dari model yang hanya menggunakan country_Spain.
Cetak AUC dari model yang menggunakan age dan country_Spain.
Tambahkan dua istilah interaksi, yaitu age dengan country_Spain dan age dengan country_France ke basetable.
Cetak AUC dari model yang menggunakan age, country_Spain, dan istilah interaksi tersebut.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Calculate AUC using age only
print(auc(["____"], basetable))

# Calculate AUC using country_Spain only
print(____(["____"], ____))

# Calculate AUC using age and country_Spain
print(____(["____", "____"], ____))

# Add interactions country_Spain x age and country_France x age
basetable["spain_age"] = ____["____"] * ____["____"]
basetable["france_age"] = ____["____"] * ____["____"]

# Calculate AUC using age, country_Spain and interactions
print(____(["____", "____", "____", "____"], ____))

Edit dan Jalankan Kode