Confronto dei modelli di abbandono del personale
In questo esercizio il tuo compito è confrontare i modelli bilanciato e sbilanciato (predefinito) usando l'albero potato (max_depth=7). Il modello sbilanciato è già stato valutato usando gli score di recall e ROC/AUC. Completa gli stessi passaggi per il modello bilanciato.
- Le variabili
features_train,target_train,features_testetarget_testsono già disponibili nel tuo workspace. - Un modello sbilanciato è già stato addestrato per te e le sue previsioni sono state salvate come
prediction. - Le funzioni
recall_score()eroc_auc_score()sono già state importate per te.
Questo esercizio fa parte del corso
HR Analytics: prevedere l'abbandono dei dipendenti in Python
Istruzioni dell'esercizio
- Inizializza il modello bilanciato, impostando la profondità massima a
7e il seed a42. - Esegui il fitting sulla componente di training usando il training set.
- Genera previsioni usando il testing set.
- Stampa lo score di recall e lo score ROC/AUC.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Print the recall score
print(recall_score(target_test,prediction))
# Print the ROC/AUC score
print(roc_auc_score(target_test,prediction))
# Initialize the model
model_depth_7_b =
# Fit it to the training component
model_depth_7_b.fit(____,____)
# Make prediction using test component
prediction_b =
# Print the recall score for the balanced model
print(____)
# Print the ROC/AUC score for the balanced model
print(____)