Het effect van seizoensinvloeden
Stel dat je wilt voorspellen of een potentiële donateur volgende maand doneert. Als voorspellende variabele wil je het maximale giftbedrag van elke donateur in de vorige maand opnemen. Zoals je in de video hebt gezien, zijn de gemiddelde bedragen van de giften in juli en september vergelijkbaar, maar liggen de giften in december duidelijk hoger. In deze oefening zie je hoe dit de prestaties van je model kan beïnvloeden.
Het logistische regressiemodel is voor je aangemaakt en getraind als logreg op de gegevens van juli.
Deze oefening maakt deel uit van de cursus
Gevorderde voorspellende analyse in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# AUC of model in July:
predictions = logreg.____(test_july[["age", "max_amount"]])[:,1]
auc = ____(test_july["target"], predictions)
print(auc)