Mulai sekarangMulai gratis

Kurva gain untuk mengevaluasi model pengangguran

Pada latihan sebelumnya Anda membuat prediksi tentang female_unemployment dan memvisualisasikan prediksi serta residualnya. Sekarang, Anda juga akan membuat plot kurva gain dari prediksi unemployment_model dibandingkan female_unemployment aktual menggunakan fungsi WVPlots::GainCurvePlot() (docs).

Untuk situasi ketika urutan lebih penting daripada nilai tepatnya, kurva gain membantu Anda memeriksa apakah prediksi model mengurutkan dengan urutan yang sama seperti keluaran sebenarnya.

Pemanggilan fungsi GainCurvePlot() berbentuk: 

GainCurvePlot(frame, xvar, truthvar, title)

di mana

  • frame adalah sebuah data frame
  • xvar dan truthvar adalah string yang menamai kolom prediksi dan kolom keluaran aktual dari frame
  • title adalah judul plot

Ketika prediksi diurutkan persis dalam urutan yang sama, koefisien Gini relatif bernilai 1. Ketika model mengurutkan dengan buruk, koefisien Gini relatif mendekati nol, atau bahkan negatif.

Data frame unemployment, yang juga memuat prediksi, dan model unemployment_model tersedia untuk Anda gunakan.

Latihan ini merupakan bagian dari kursus

Supervised Learning di R: Regresi

Lihat Kursus

Instruksi latihan

  • Muat paket WVPlots menggunakan library().
  • Plot kurva gain. Beri judul plot "Unemployment model". Apakah prediksi model terurut dengan benar?

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# unemployment (with predictions) is available
summary(unemployment)

# unemployment_model is available
summary(unemployment_model)

# Load the package WVPlots
___

# Plot the Gain Curve
___(___, ___, ___, "Unemployment model")
Edit dan Jalankan Kode