Menghitung Kurva ROC dan AUC

Latihan sebelumnya menunjukkan bahwa akurasi dapat menyesatkan saat menilai kinerja model pada himpunan data yang tidak seimbang. Memvisualisasikan kinerja model lebih baik menggambarkan pertukaran antara model yang terlalu agresif dan yang terlalu pasif.

Dalam latihan ini Anda akan membuat kurva ROC dan menghitung area di bawah kurva (AUC) untuk mengevaluasi model regresi logistik donasi yang telah Anda bangun sebelumnya.

Himpunan data donors dengan kolom probabilitas prediksi, donation_prob, telah dimuat untuk Anda.

Latihan ini merupakan bagian dari kursus

Supervised Learning di R: Klasifikasi

Lihat Kursus

Instruksi latihan

Muat paket pROC.
Buat kurva ROC dengan roc() menggunakan kolom donasi aktual dan terprediksi. Simpan hasilnya sebagai ROC.
Gunakan plot() untuk menggambar objek ROC. Tentukan col = "blue" untuk memberi warna biru pada kurva.
Hitung area di bawah kurva dengan auc().

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Load the pROC package


# Create a ROC curve
ROC <- roc(___, ___)

# Plot the ROC curve
plot(___, col = ___)

# Calculate the area under the curve (AUC)
auc(___)

Edit dan Jalankan Kode