ROC AUC
지난 실습 문제에서 그린 ROC 곡선은 꽤나 유망해 보였습니다.
이제 ROC 곡선 아래 면적을 계산하고, 이전에 사용한 다른 분류 지표들도 함께 계산해 볼 것입니다.
confusion_matrix와 classification_report 함수가 미리 로드되어 있으며, 이전에 구축한 logreg 모델과 X_train, X_test, y_train, y_test도 함께 제공됩니다. 또한, 모델의 예측된 테스트 세트 레이블은 y_pred로 저장되어 있으며, 테스트 세트 관측값이 양성 클래스에 속할 확률은 y_pred_probs로 저장되어 있습니다.
knn 모델도 생성되었으며 성능 지표가 콘솔에 출력되어 있으므로, 두 모델 간의 roc_auc_score, confusion_matrix, classification_report를 비교할 수 있습니다.
이 연습은 강의의 일부입니다
scikit-learn으로 배우는 지도 학습
연습 안내
roc_auc_score를 가져오세요.- 테스트 레이블과 예측된 양성 클래스 확률을 전달하여 ROC AUC 점수를 계산하고 출력하세요.
- 혼동 행렬을 계산하고 출력하세요.
classification_report()를 호출하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import roc_auc_score
____
# Calculate roc_auc_score
print(____(____, ____))
# Calculate the confusion matrix
print(____(____, ____))
# Calculate the classification report
print(____(____, ____))