시작하기무료로 시작하기

샘플 내 ROC와 AUC

배깅 트리는 학습 데이터의 구조를 얼마나 잘 포착할까요? 의사결정나무보다 더 좋을까요? 과적합하진 않을까요? 이를 평가하는 데는 ROC와 AUC가 아주 유용해요.

이 연습 문제에서는 샘플 내 예측값을 생성하고, ROC와 AUC를 계산해 보겠습니다. 집중해 주세요, 의외의 결과가 나올 수 있어요!

이전 연습 문제의 결과인 model_bagged와 학습 데이터 customers_train이 미리 로드되어 있습니다.

이 연습은 강의의 일부입니다

R로 배우는 트리 기반 Machine Learning

강의 보기

연습 안내

  • 학습 데이터를 사용해 model_bagged로 확률 예측을 생성하고, 이를 학습 데이터 tibble에 추가한 뒤 결과를 predictions로 저장하세요.
  • predictions tibble의 ROC 곡선을 생성하고 그 결과를 시각화하세요.
  • predictions tibble의 AUC를 계산하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Predict on training set and add to training set
predictions <- ___(___,
                   new_data = ___, 
                   type = "___") %>% 
    bind_cols(___)

# Create and plot the ROC curve
roc_curve(___,
          estimate = ___,
          truth = ___) %>% autoplot()

# Calculate the AUC
___(predictions,
    estimate = ___, 
    truth = ___)
코드 편집 및 실행