Dodawanie interakcji do tabeli bazowej

Załóżmy, że organizacja non-profit planuje kampanię w Hiszpanii i Francji i chce wiedzieć, którzy darczyńcy z największym prawdopodobieństwem przekażą darowiznę. Do dyspozycji masz basetable ze zmiennymi predykcyjnymi „age", „country_Spain", „country_France" oraz zmienną celu „target". Dla wygody zaimplementowana jest funkcja auc, która zwraca wartość AUC na podzielonych danych. Przyjmuje dwa argumenty: zbiór rozważanych zmiennych oraz tabelę bazową:

auc(["variable_1","variable_2"], basetable)
0.51

W tym ćwiczeniu nauczysz się dodawać interakcje do tabeli bazowej i sprawdzać, czy poprawiają one wartość AUC modelu predykcyjnego.

To ćwiczenie jest częścią kursu

Pośrednia analityka predykcyjna w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Wyświetl wartość AUC modelu używającego tylko zmiennej age oraz AUC modelu używającego tylko zmiennej country_Spain.
Wyświetl wartość AUC modelu używającego zmiennych age i country_Spain.
Dodaj do tabeli bazowej dwa człony interakcji: age z country_Spain oraz age z country_France.
Wyświetl wartość AUC modelu używającego zmiennych age, country_Spain oraz dodanych członów interakcji.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Calculate AUC using age only
print(auc(["____"], basetable))

# Calculate AUC using country_Spain only
print(____(["____"], ____))

# Calculate AUC using age and country_Spain
print(____(["____", "____"], ____))

# Add interactions country_Spain x age and country_France x age
basetable["spain_age"] = ____["____"] * ____["____"]
basetable["france_age"] = ____["____"] * ____["____"]

# Calculate AUC using age, country_Spain and interactions
print(____(["____", "____", "____", "____"], ____))

Edytuj i uruchom kod