1. เรียนรู้
    2. /
  2. Courses
    3. /
  3. Python으로 배우는 예측 분석 입문
Connected

Exercises

AUC 곡선 만들기

전진 단계적 변수 선택 절차는 예측 변수 집합에 변수를 최적으로 추가하는 순서를 제공합니다. 어떤 지점에서 변수를 잘라낼지 결정하려면 학습과 테스트 AUC 곡선을 만들어 볼 수 있어요. 이 곡선은 모델에서 첫 번째 변수, 처음 두 개, 처음 세 개 … 식으로 사용할 때의 학습 및 테스트 AUC를 그립니다.

이번 연습에서는 이러한 AUC 곡선을 그리는 방법을 배웁니다. AUC 값을 계산하는 메서드 auc_train_test는 이미 구현되어 있으며 다음과 같이 사용할 수 있어요: 

auc_train, auc_test = auc_train_test(variables, target, train, test)

여기서 variables는 로지스틱 회귀 모델에 사용하는 변수 집합, target은 타깃 이름이 담긴 리스트, train과 test는 각각 학습과 테스트 베이스테이블이에요.

전진 단계적 절차에 따라 정렬된 변수들은 리스트 variables에 제공됩니다. 콘솔에서 살펴보실 수 있어요. 추가로, 다음의 빈 리스트 세 개가 미리 정의되어 있어요:

  • 각 반복에서 모델의 학습 AUC 값을 담을 auc_values_train
  • 각 반복에서 모델의 테스트 AUC 값을 담을 auc_values_test
  • 각 반복에서 평가된 변수를 담을 variables_evaluate

คำแนะนำ

100 XP
  • 변수들을 순회하세요.
  • 각 반복에서 variables의 다음 변수를 variables_evaluate에 추가하세요.
  • 각 반복에서 auc_train_test 메서드를 사용해 학습과 테스트 AUC를 계산하세요. DataFrame train과 test에는 각각 학습과 테스트 데이터가 들어 있어요.
  • 각 반복에서 계산한 값을 auc_values_train과 auc_values_test에 추가하세요.