ROC曲線を描く
ROC曲線でモデルの性能を可視化すると、すべての閾値における性能を1つのプロットにまとめて確認できます。各閾値での感度と特異度が示されます。ROC曲線が「左上」に近いほど、モデルは良いといえます。
ここでは、クレジットカード顧客の解約（churn）のクラス確率を予測し、結果をROC曲線としてプロットします。
modelはすでに読み込まれており、クレジットカード顧客の学習データで学習した決定木です。テストデータはcustomers_testとして用意されています。
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
演習の手順
modelを使ってテストセットのクラス確率を予測します。- 予測結果を
bind_cols()でテストセットに結合し、predictionsというオブジェクトに保存します。 - その結果のROC曲線を計算します。
autoplot()を使ってROC曲線をプロットします。
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 probabilities on test set
predictions <- predict(___,
___,
type = "___") %>%
# Add test set
___(customers_test)
# Calculate the ROC curve for all thresholds
roc <- ___(___,
estimate = ___,
truth = ___)
# Plot the ROC curve
___