타임라인 위반
타임라인의 중요성을 보여 주기 위해, 타깃 기간의 정보를 사용해 예측 변수를 구성하는, 즉 타임라인을 위반하는 예시를 살펴보겠습니다.
pandas 데이터프레임 basetable에는 두 개의 열이 있습니다. "amount_2017"는 2017년 기부금 총액이고, "target"은 이 금액이 30을 초과하면 1, 그렇지 않으면 0입니다.
"amount_2017"를 단일 예측 변수로 사용하여 타깃을 예측하는 로지스틱 회귀 모델을 만들고, AUC를 계산하세요.
이 연습은 강의의 일부입니다
Python 중급 예측 분석
연습 안내
- 예측 변수를 담은 데이터프레임
X와 타깃을 담은 데이터프레임y를 생성하세요. X로부터y를 예측하도록 로지스틱 회귀 모델을 학습하세요.amount_2017를 단일 예측 변수로 사용하여target을 예측하는 로지스틱 회귀 모델을 구성하세요.X의 객체들에 대한 예측을 수행하세요.roc_auc_score함수를 사용해 이 모델의 AUC를 계산하고 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Select the relevant predictors and the target
X = basetable[["____"]]
y = basetable[["____"]]
# Build the logistic regression model
logreg = linear_model.LogisticRegression()
logreg.____(____, ____)
# Make predictions for X
predictions = logreg.____(____)[:,1]
# Calculate and print the AUC value
auc = ____(____, ____)
print(round(auc, 2))