1. Uczyć się
    2. /
  2. Courses
    3. /
  3. scikit-learn で学ぶ Supervised Learning
Connected

Exercise

ROC AUC

前の演習でプロットしたROC曲線は期待が持てる結果でした。

ここでは、ROC曲線下面積（AUC）を計算し、これまでに使ってきた他の分類指標も確認します。

confusion_matrix と classification_report 関数は、以前に作成した logreg モデル、そして X_train、X_test、y_train、y_test とともに読み込まれています。さらに、テストデータの予測ラベルは y_pred、陽性クラスに属する確率は y_pred_probs に保存されています。

knn モデルも作成済みで、パフォーマンス指標はコンソールに表示されています。2つのモデルで roc_auc_score、confusion_matrix、classification_report を比較できるようになっています。

Instrukcje

100 XP
  • roc_auc_score をインポートします。
  • テストラベルと予測された陽性クラス確率を渡して、ROC AUCスコアを計算して表示します。
  • 混同行列を計算して表示します。
  • classification_report() を呼び出します。