インサンプルのROCとAUC

バギング木は、学習データの構造をどれくらい捉えられているでしょうか。決定木より良いでしょうか。過学習しているでしょうか。これを評価するには、ROC と AUC を使うのが効果的です。

この演習では、インサンプル予測を作成し、その ROC と AUC を計算します。要チェックです。きっと意外な結果が見つかります！

前の演習の結果である model_bagged と、学習データ customers_train は読み込まれています。

この演習はコースの一部です

Rで学ぶTree-Based ModelsによるMachine Learning

コースを見る

演習の手順

model_bagged を使って学習データでの「確率」予測を生成し、学習データの tibble に列として追加し、結果を predictions として保存します。
predictions tibble の ROC 曲線を作成し、プロットします。
predictions tibble の AUC を計算します。

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。

# Predict on training set and add to training set
predictions <- ___(___,
                   new_data = ___, 
                   type = "___") %>% 
    bind_cols(___)

# Create and plot the ROC curve
roc_curve(___,
          estimate = ___,
          truth = ___) %>% autoplot()

# Calculate the AUC
___(predictions,
    estimate = ___, 
    truth = ___)

コードを編集して実行