Plot kurva ROC
Seperti yang Anda lihat dalam video, kurva ROC sangat berguna sebagai jalan pintas untuk merangkum kinerja sebuah pengklasifikasi pada semua ambang yang mungkin. Ini menghemat banyak pekerjaan melelahkan menghitung prediksi kelas untuk berbagai ambang dan memeriksa confusion matrix untuk masing-masingnya.
Paket favorit saya untuk menghitung kurva ROC adalah caTools, yang memiliki fungsi bernama colAUC(). Fungsi ini sangat mudah digunakan dan bahkan dapat menghitung kurva ROC untuk beberapa prediktor sekaligus. Dalam kasus ini, Anda hanya perlu menghitung kurva ROC untuk satu prediktor, misalnya:
colAUC(predicted_probabilities, actual, plotROC = TRUE)
Fungsi tersebut akan mengembalikan skor yang disebut AUC (akan dibahas nanti) dan argumen plotROC = TRUE akan menampilkan plot kurva ROC untuk inspeksi visual.
Latihan ini merupakan bagian dari kursus
Machine Learning dengan caret di R
Instruksi latihan
model, test, dan train dari latihan terakhir menggunakan data sonar telah dimuat di workspace Anda.
- Prediksi probabilitas (yaitu
type = "response") pada himpunan data test, lalu simpan hasilnya sebagaip. - Buat kurva ROC menggunakan probabilitas prediksi pada himpunan data test.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Predict on test: p
# Make ROC curve