Vergelijking van modellen voor personeelsverloop

In deze oefening vergelijk je de gebalanceerde en ongelijkmatige (standaard) modellen met de gesnoeide boom (max_depth=7). Het ongelijkmatige model is al uitgevoerd met recall- en ROC/AUC-scores. Voltooi dezelfde stappen voor het gebalanceerde model.

De variabelen features_train, target_train, features_test en target_test zijn al beschikbaar in je workspace.
Er is al een ongelijkmatig model voor je getraind en de voorspellingen zijn opgeslagen als prediction.
De functies recall_score() en roc_auc_score() zijn voor je geïmporteerd.

Deze oefening maakt deel uit van de cursus

HR-analytics: verloop van medewerkers voorspellen in Python

Cursus bekijken

Oefeninstructies

Initialiseer het gebalanceerde model met maximale diepte 7 en seed 42.
Fit het op het trainingsgedeelte met de trainingsset.
Maak voorspellingen met de testset.
Print de recall-score en de ROC/AUC-score.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Print the recall score
print(recall_score(target_test,prediction))
# Print the ROC/AUC score
print(roc_auc_score(target_test,prediction))

# Initialize the model
model_depth_7_b = 
# Fit it to the training component
model_depth_7_b.fit(____,____)
# Make prediction using test component
prediction_b = 
# Print the recall score for the balanced model
print(____)
# Print the ROC/AUC score for the balanced model
print(____)

Code bewerken en uitvoeren