AUC berekenen
De AUC-waarde beoordeelt hoe goed een model observaties kan ordenen van een lage kans op de target naar een hoge kans op de target. In Python kun je de functie roc_auc_score gebruiken om de AUC van het model te berekenen. Deze neemt de ware waarden van de target en de voorspellingen als argumenten.
Je gaat opnieuw voorspellingen maken voordat je de roc_auc_score berekent.
Deze oefening maakt deel uit van de cursus
Introductie tot Predictive Analytics in Python
Oefeninstructies
- Het model
logreguit het vorige hoofdstuk is al voor je aangemaakt en gefit, en de DataFrameXbevat de voorspellerkolommen van de basistabel. Maak voorspellingen voor de objecten in de basistabel. - Selecteer de tweede kolom van
predictions, want daarin staan de voorspellingen voor de target. - De ware waarden van de target zijn ingeladen in
y. Gebruik de functieroc_auc_scoreom de AUC van het model te berekenen.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Make predictions
predictions = logreg.____(____)
predictions_target = predictions[:,____]
# Calculate the AUC value
auc = ____(____, ____)
print(round(auc,2))