ROC-curves en AUC berekenen

De vorige oefeningen hebben laten zien dat nauwkeurigheid een zeer misleidende maat is voor modelprestatie op onevenwichtige gegevenssets. Het in een grafiek weergeven van de modelprestatie laat de afweging beter zien tussen een model dat te agressief is en een model dat te terughoudend is.

In deze oefening maak je een ROC-curve en bereken je de oppervlakte onder de curve (AUC) om het logistic regression-model voor donaties te evalueren dat je eerder hebt gebouwd.

De gegevensset donors met de kolom met voorspelde kansen, donation_prob, is voor je geladen.

Deze oefening maakt deel uit van de cursus

Supervised Learning in R: Classificatie

Cursus bekijken

Oefeninstructies

Laad het pakket pROC.
Maak een ROC-curve met roc() en de kolommen met werkelijke en voorspelde donaties. Sla het resultaat op als ROC.
Gebruik plot() om het ROC-object te tekenen. Specifieer col = "blue" om de curve blauw te kleuren.
Bereken de oppervlakte onder de curve met auc().

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Load the pROC package


# Create a ROC curve
ROC <- roc(___, ___)

# Plot the ROC curve
plot(___, col = ___)

# Calculate the area under the curve (AUC)
auc(___)

Code bewerken en uitvoeren