1. 학습
    2. /
  2. 강의
    3. /
  3. HR Analytics: Przewidywanie rotacji pracowników w Pythonie
Connected

연습 문제

Obliczanie wskaźnika ROC/AUC

Wskaźnik Recall jest ważną miarą oceny skuteczności algorytmu klasyfikacji, jednak kładzie zbyt duży nacisk na liczbę fałszywie negatywnych wyników. Z kolei Precision skupia się na liczbie fałszywie pozytywnych wyników.

Połączenie obu tych miar daje krzywą ROC, która pozwala ocenić zarówno recall, jak i precision. Pole pod krzywą ROC obliczane jest jako wskaźnik AUC.

W tym ćwiczeniu obliczysz wskaźnik ROC/AUC dla modelu wyjściowego, korzystając z funkcji roc_auc_score() z biblioteki sklearn.

Zmienne features_test i target_test są dostępne w twoim środowisku pracy.

지침

100 XP
  • Zaimportuj funkcję do obliczania wskaźnika ROC/AUC.
  • Użyj modelu wyjściowego, aby przewidzieć odejście pracowników (na podstawie cech ze zbioru testowego).
  • Oblicz wskaźnik ROC/AUC, porównując target_test z uzyskaną prognozą.