タイムライン違反
タイムラインの重要性を示すために、タイムラインに反してターゲット期間の情報を使って予測変数を作る例を考えてみましょう。
pandas のデータフレーム basetable には 2 つの列があります。"amount_2017" は 2017 年の寄付総額、"target" はこの金額が 30 を超える場合は 1、そうでない場合は 0 です。
"amount_2017" を単一の予測変数として使ってターゲットを予測するロジスティック回帰モデルを構築し、AUC を計算してください。
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
- 予測変数を含むデータフレーム
Xと、ターゲットを含むデータフレームyを作成します。 Xからyを予測するようにロジスティック回帰モデルを学習させます。amount_2017を単一の予測変数として用い、targetを予測するロジスティック回帰モデルを構築します。Xの各オブジェクトに対して予測を行います。roc_auc_score関数を使って、このモデルの AUC を計算して出力します。
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 relevant predictors and the target
X = basetable[["____"]]
y = basetable[["____"]]
# Build the logistic regression model
logreg = linear_model.LogisticRegression()
logreg.____(____, ____)
# Make predictions for X
predictions = logreg.____(____)[:,1]
# Calculate and print the AUC value
auc = ____(____, ____)
print(round(auc, 2))