Model losowy

W tym ćwiczeniu odtworzysz linię bazową krzywej skumulowanych zysków, czyli krzywą skumulowanych zysków dla modelu losowego.

W tym celu musisz skonstruować losowe predykcje. Metoda plot_cumulative_gain wymaga dla każdej predykcji dwóch wartości: jednej dla przypadku, gdy wartość docelowa wynosi 0, i jednej dla przypadku, gdy wynosi 1. Wartości te muszą sumować się do jedności, więc przykładowa lista predykcji mogłaby wyglądać tak: [(0.02,0.98),(0.27,0.73),...,(0.09,0.91)].

W Pythonie losową wartość z przedziału od a do b możesz wygenerować w następujący sposób:

import random
random_value = random.uniform(a,b)

To ćwiczenie jest częścią kursu

Wprowadzenie do analizy predykcyjnej w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj moduły random, matplotlib i scikitplot.
Skonstruuj listę random_predictions zawierającą losowe liczby z przedziału od 0 do 1.
Przekształć listę random_predictions tak, aby zawierała krotki (r,a), gdzie r to oryginalna wartość listy, a a jest takie, że \(r+a=1\).
Prawdziwe wartości zmiennej docelowej znajdują się w targets_test. Wyświetl wykres skumulowanych zysków dla swojego modelu losowego.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import the modules
import ____
import ____ as plt
import ____ as skplt

# Generate random predictions
random_predictions = [random.uniform(____,____) for _ in range(len(targets_test))]

# Adjust random predictions
random_predictions = [(r, ____ - ____) for r in random_predictions]

# Plot the cumulative gains graph
skplt.metrics.plot_cumulative_gain(targets_test, ____)
plt.show()

Edytuj i uruchom kod