進化変数の性能評価
与えられた basetable には、3 つの通常の予測変数（"gender_F"、"age"、"donations_2017"）と、進化変数 "donations_2017_min_2016" が含まれます。進化変数は、2017 年の寄付回数から 2016 年の寄付回数を引いた値です。
この演習では、進化変数を使うことの付加価値を確認します。2 つの予測モデルを作成します。1 つは variables_regular に用意された通常の予測変数を使うモデル、もう 1 つは "donations_2017" を "donations_2017_min_2016" に置き換えたモデルで、これらの変数は variables_evolution に用意されています。ロジスティック回帰モデルは logreg としてすでに初期化されています。通常の変数を用いたモデルは実装済みで、その AUC は auc_regular に入っています。
この演習はコースの一部です
Pythonで学ぶ中級予測分析
演習の手順
X_evolutionに進化変数を選択してモデルを学習します。- このモデルで
.predict_proba()を使ってX_evolutionの全観測に対する予測を行い、roc_auc_score()で AUC を計算します。 - 両モデルの AUC を出力して比較しましょう。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Select the evolution variables and fit the model
X_evolution = ____[____]
logreg.fit(____, y)
# Make predictions and calculate the AUC
predictions_evolution = logreg.____(____)[:,1]
auc_evolution = ____(____, ____)
# Print the respective AUC values
print(round(auc_regular, 2))
____(round(____, 2))