시작하기무료로 시작하기

ROC 곡선 그리기

부스팅 트리가 가장 높은 AUC를 내는 것을 다시 확인하셨죠. 수치도 좋지만, 시각화가 더 직관적일 때가 있어요! 이번에는 결과를 직접 그려 보겠습니다.

모든 ROC 곡선을 하나의 공통 플롯에 그려 모델 성능을 비교할 거예요. AUC는 말 그대로 ROC 곡선 아래 면적이므로, 부스팅 모델의 ROC 곡선 아래 면적이 가장 크고, 플롯의 왼쪽 위 모서리에 가장 가깝게 위치해야 합니다.

예측값 티블 preds_combined는 이미 로드되어 있습니다.

이 연습은 강의의 일부입니다

R로 배우는 트리 기반 Machine Learning

강의 보기

연습 안내

  • preds_combined 티블에서 "preds_"로 시작하는 모든 열을 열이 아닌 행으로 변환하세요. 이름은 "model" 열로, 값은 "predictions" 열로 변환합니다.
  • 결과를 model별로 그룹화하세요.
  • 모든 컷오프에 대해 ROC 값을 계산하세요.
  • 곡선을 그래프로 시각화하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Reshape the predictions into long format
predictions_long <- tidyr::pivot_longer(___,
                                        cols = starts_with("___"),
                                        names_to = "___",
                                        values_to = "___")

predictions_long %>% 
  # Group by model
  ___(___) %>% 
  # Calculate values for every cutoff
  ___(truth = ___, 
      estimate = ___) %>%
  # Create a plot from the calculated data
  ___()
코드 편집 및 실행