Variabel yang berkorelasi

Sepuluh variabel pertama yang ditambahkan ke model adalah sebagai berikut:

['max_gift', 'number_gift', 'time_since_last_gift', 'mean_gift', 'income_high', 'age', 'country_USA', 'gender_F', 'income_low', 'country_UK']

Seperti yang Anda lihat, min_gift tidak ditambahkan. Apakah ini berarti variabel tersebut buruk? Anda dapat menguji kinerja variabel tersebut dengan menggunakannya dalam model sebagai satu-satunya variabel dan menghitung AUC. Bagaimana AUC min_gift dibandingkan dengan AUC income_high? Untuk itu, Anda dapat menggunakan fungsi auc():

auc(variables, target, basetable)

Ada kalanya variabel yang sebenarnya baik tidak ditambahkan karena sangat berkorelasi dengan variabel yang sudah ada dalam model. Anda dapat mengujinya dengan menghitung korelasi antara variabel-variabel tersebut:

import numpy
numpy.corrcoef(basetable["variable_1"],basetable["variable_2"])[0,1]

Latihan ini adalah bagian dari kursus

Pengantar Predictive Analytics dengan Python

Lihat Kursus

Petunjuk latihan

Hitung AUC model dengan hanya menggunakan variabel min_gift.
Hitung AUC model dengan hanya menggunakan variabel income_high.
Hitung korelasi antara variabel min_gift dan mean_gift.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

import numpy as np

# Calculate the AUC of the model using min_gift only
auc_min_gift = auc([____], ["target"], ____)
print(round(auc_min_gift,2))

# Calculate the AUC of the model using income_high only
auc_income_high = ____([____], [____], ____)
print(round(auc_income_high,2))

# Calculate the correlation between min_gift and mean_gift
correlation = np.corrcoef(basetable["____"], basetable["____"])[0,1]
print(round(correlation,2))

Edit dan Jalankan Kode