Pomiar AUC

Skoro już wiesz, jak używać walidacji krzyżowej do obliczania średniej dokładności na danych testowych (po przeliczeniu z błędu), równie łatwo możesz wyliczyć dowolną inną interesującą cię metrykę. Wystarczy przekazać ją (lub listę metryk) jako argument parametru metrics w xgb.cv().

W tym ćwiczeniu obliczysz inną popularną metrykę stosowaną w klasyfikacji binarnej – pole pod krzywą ROC ("auc"). Podobnie jak wcześniej, w twoim środowisku dostępny jest zbiór danych churn_data, macierz DMatrix churn_dmatrix oraz słownik parametrów params.

To ćwiczenie jest częścią kursu

Extreme Gradient Boosting with XGBoost

Zobacz kurs

Instrukcje do ćwiczenia

Przeprowadź 3-krotną walidację krzyżową z 5 rundami boostingu i "auc" jako metryką.
Wyświetl kolumnę "test-auc-mean" z cv_results.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Perform cross_validation: cv_results
cv_results = ____(dtrain=____, params=____, 
                  nfold=____, num_boost_round=____, 
                  metrics="____", as_pandas=True, seed=123)

# Print cv_results
print(cv_results)

# Print the AUC
print((cv_results["____"]).iloc[-1])

Edytuj i uruchom kod