Porównanie AUC
Porównywanie modeli to podstawa selekcji modeli. W dwóch ostatnich ćwiczeniach przeprowadzisz porównanie wszystkich typów modeli omawianych w tym kursie: drzew decyzyjnych, drzew agregowanych (bagging), lasów losowych oraz gradient boostingu.
Wszystkie modele zostały starannie dostrojone i wytrenowane na tym samym zbiorze treningowym, customers_train, a predykcje wykonano dla zbioru customers_test. Wyniki to prawdopodobieństwa numeryczne dostępne jako preds_combined w twojej sesji:
tibble [1,011 × 5]
$ preds_tree : 0.144 0.441 ...
$ preds_bagging : 0.115 0.326 ...
$ preds_forest : 0 0 0 0.286 ...
$ preds_boosting: 0.136 0.149 ...
$ still_customer: "no","no", ...
To ćwiczenie jest częścią kursu
Uczenie maszynowe z modelami drzewiastymi w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Calculate the AUC for each model
auc_tree <- ___(preds_combined, truth = ___, estimate = ___)
auc_bagged <- ___(preds_combined, truth = ___, estimate = ___)
auc_forest <- ___(preds_combined, truth = ___, estimate = ___)
auc_boost <- ___(preds_combined, truth = ___, estimate = ___)
# Print the results
auc_tree
auc_bagged
auc_forest
auc_boost