Un modello casuale
In questo esercizio ricostruirai la baseline della curva dei guadagni cumulati, cioè la curva dei guadagni cumulati di un modello casuale.
Per farlo, devi costruire delle predizioni casuali. Il metodo plot_cumulative_gain richiede due valori per ciascuna predizione: uno per il target uguale a 0 e uno per il target uguale a 1. Questi valori devono sommare a uno, quindi un elenco valido di predizioni potrebbe essere, ad esempio, [(0.02,0.98),(0.27,0.73),...,(0.09,0.91)].
In Python, puoi generare un valore casuale tra i valori a e b nel modo seguente:
import random
random_value = random.uniform(a,b)
Questo esercizio fa parte del corso
Introduzione alla Predictive Analytics in Python
Istruzioni dell'esercizio
- Importa i moduli
random,matplotlibescikitplot. - Costruisci una lista
random_predictionsche contenga numeri casuali tra 0 e 1. - Modifica la lista
random_predictionsin modo che contenga tuple(r,a)conril valore originale della lista eatale che \(r+a=1\). - I valori veri del target sono in
targets_test. Mostra il grafico dei guadagni cumulati del tuo modello casuale.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Import the modules
import ____
import ____ as plt
import ____ as skplt
# Generate random predictions
random_predictions = [random.uniform(____,____) for _ in range(len(targets_test))]
# Adjust random predictions
random_predictions = [(r, ____ - ____) for r in random_predictions]
# Plot the cumulative gains graph
skplt.metrics.plot_cumulative_gain(targets_test, ____)
plt.show()