Calcolare l'AUC
Il valore di AUC valuta quanto bene un modello riesce a ordinare le osservazioni dalla bassa alla alta probabilità di essere target. In Python, la funzione roc_auc_score può essere usata per calcolare l'AUC del modello. Prende come argomenti i valori veri del target e le predizioni.
Ora genererai di nuovo le predizioni, prima di calcolare la sua roc_auc_score.
Questo esercizio fa parte del corso
Introduzione alla Predictive Analytics in Python
Istruzioni dell'esercizio
- Il modello
logregdel capitolo precedente è stato creato e addestrato per te; il DataFrameXcontiene le colonne predittori della basetable. Genera le predizioni per gli oggetti nella basetable. - Seleziona la seconda colonna di
predictions, perché contiene le predizioni per il target. - I valori veri del target sono caricati in
y. Usa la funzioneroc_auc_scoreper calcolare l'AUC del modello.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Make predictions
predictions = logreg.____(____)
predictions_target = predictions[:,____]
# Calculate the AUC value
auc = ____(____, ____)
print(round(auc,2))