1. Learn
    2. /
  2. Cursuri
    3. /
  3. Uczenie maszynowe z modelami drzewiastymi w R
Connected

exercițiu

Próbkowanie wewnętrzne – krzywa ROC i AUC

Jak dobrze drzewa workowane odwzorowują strukturę zbioru treningowego? Czy radzą sobie lepiej niż zwykłe drzewa decyzyjne? Czy prowadzą do przeuczenia? Krzywa ROC i wskaźnik AUC to doskonałe narzędzia do oceny tych kwestii.

W tym ćwiczeniu wygenerujesz predykcje na zbiorze treningowym i obliczysz wartości ROC oraz AUC. Uważaj – wyniki mogą cię zaskoczyć!

Wczytane zostały wynik poprzedniego ćwiczenia, model_bagged, oraz dane treningowe, customers_train.

Instrucțiuni

100 XP
  • Użyj model_bagged, aby wygenerować predykcje prawdopodobieństw na zbiorze treningowym i dodaj je do tibble treningowego, zapisując wynik jako predictions.
  • Wygeneruj krzywą ROC na podstawie tibble predictions i narysuj wykres.
  • Oblicz AUC dla tibble predictions.