트리 기반 모델 비교를 위한 ROC 곡선

이제 앞선 연습을 반복하되, 트리 기반 모델들을 비교해 보세요. pROC()는 이미 작업 공간에 로드되어 있어요. 트리 기반 방법의 PD 예측값은 다음 객체에 저장되어 있습니다.

predictions_undersample
predictions_prior
predictions_loss_matrix
predictions_weights

이 연습은 강의의 일부입니다

R로 배우는 신용 위험 모델링

강의 보기

연습 안내

함수 roc(response, predictor)를 사용해 트리 기반 방법의 ROC 객체를 만드세요.
방금 만든 객체들로 ROC 곡선을 만드세요. 한 그래프에 모두 그리려면, 첫 번째 ROC 곡선(ROC_undersample)에는 plot()을 사용하고, 나머지 세 모델은 lines()로 같은 그래프에 추가하세요. col 인수를 사용해 ROC_prior는 파란색, ROC_loss_matrix는 빨간색, ROC_weights는 초록색으로 지정하세요.
ROC 곡선의 성능을 더 잘 파악하려면, auc() 함수를 사용해 AUC를 확인해 보세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Construct the objects containing ROC-information
ROC_undersample <- 
ROC_prior <-
ROC_loss_matrix <- 
ROC_weights <- 

# Draw the ROC-curves in one plot

  

    

# Compute the AUCs

코드 편집 및 실행