1. Nauka
    2. /
  2. Kursy
    3. /
  3. Pośrednia analityka predykcyjna w Pythonie
Connected

ćwiczenie

Skuteczność zmiennych ewolucji

Dane jest basetable zawierające 3 zwykłe zmienne predykcyjne: "gender_F", "age", "donations_2017", oraz zmienną ewolucji "donations_2017_min_2016", która zawiera liczbę darowizn dokonanych w 2017 roku pomniejszoną o liczbę darowizn dokonanych w 2016 roku.

W tym ćwiczeniu zobaczysz, jaką wartość dodaną daje stosowanie zmiennych ewolucji. Zbudujesz dwa modele predykcyjne: jeden korzystający ze zwykłych zmiennych predykcyjnych podanych w variables_regular, a drugi zastępujący "donations_2017" przez "donations_2017_min_2016" – te zmienne są podane w variables_evolution. Model regresji logistycznej jest już zainicjalizowany w logreg. Model używający zwykłych zmiennych jest już zaimplementowany, a jego AUC jest zapisane w auc_regular.

Instrukcje

100 XP
  • Wybierz zmienne ewolucji w X_evolution i dopasuj model.
  • Wykonaj predykcje za pomocą .predict_proba() dla wszystkich obserwacji w X_evolution i oblicz AUC przy użyciu roc_auc_score().
  • Wyświetl wartości AUC obu modeli i porównaj je.