ROC-curves om boommodellen te vergelijken

Tijd om de vorige oefeningen te herhalen, nu met een vergelijking van de boomgebaseerde modellen. pROC() is al in je werkomgeving geladen. De PD-voorspellingen voor de boommethoden staan in de objecten

predictions_undersample
predictions_prior
predictions_loss_matrix
predictions_weights

Deze oefening maakt deel uit van de cursus

Kredietrisicomodellering in R

Cursus bekijken

Oefeninstructies

Bouw de ROC-objecten voor de boommethoden met de functie roc(response, predictor).
Gebruik de eerder gemaakte objecten om ROC-curves te tekenen. Om ze allemaal in één plot te zetten, gebruik je plot() voor de eerste ROC-curve (voor ROC_undersample) en lines() voor de andere drie modellen in dezelfde plot. Gebruik het argument col om de kleur aan te passen: ROC_prior blauw, ROC_loss_matrix rood en ROC_weights groen.
Wil je een beter beeld van de prestaties van de ROC-curves? Bekijk dan de AUC’s met de functie auc().

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Construct the objects containing ROC-information
ROC_undersample <- 
ROC_prior <-
ROC_loss_matrix <- 
ROC_weights <- 

# Draw the ROC-curves in one plot

  

    

# Compute the AUCs

Code bewerken en uitvoeren