ROC 曲線と AUC の計算
これまでの演習で、クラス不均衡なデータセットでは正解率だけでモデル性能を評価すると誤解を招くことがわかりました。グラフ化すると、過度に攻撃的なモデルと消極的なモデルのトレードオフがより明確になります。
この演習では、以前に作成した寄付のロジスティック回帰モデルを評価するために、ROC 曲線を作成し、その曲線下面積（AUC）を計算します。
予測確率の列 donation_prob を含むデータセット donors 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Supervised Learning：分類
演習の手順
pROCパッケージを読み込みます。roc()を使い、実測と予測の寄付の列から ROC 曲線を作成し、結果をROCに保存します。plot()でROCオブジェクトを描画します。曲線の色を青にするためにcol = "blue"を指定します。auc()で曲線下面積を計算します。
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。
# Load the pROC package
# Create a ROC curve
ROC <- roc(___, ___)
# Plot the ROC curve
plot(___, col = ___)
# Calculate the area under the curve (AUC)
auc(___)