前の演習で作成したROC曲線が右側に表示されています。見たところ、モデルは良さそうに見えます。これを定量化するために、曲線下面積（AUC）を計算してみましょう。
この演習はコースの一部です
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。
# Import roc_auc_score
pandas を使って要約統計量を計算し、Seaborn で見やすい可視化を作成しながら、Telco Churn データセットの探索を始めましょう。
データを探索したら、次は前処理を行い、Machine Learning に使える形に整えます。前処理の意義、内容、進め方を、特徴量選択や特徴量エンジニアリングを含めて学びます。
データの前処理が完了して Machine Learning の準備が整ったら、いよいよ解約を予測します。scikit-learn を使って Python で教師あり学習モデルを構築する方法を学びます。
現在の演習
ハイパーパラメータチューニングでモデルの性能を向上させ、ビジネスに還元できる顧客解約の要因理解をさらに深めましょう。