Zacznij terazZacznij za darmo

Narysuj krzywą ROC

Wizualizacja wydajności modelu za pomocą krzywej ROC pozwala zebrać informacje o jego działaniu dla wszystkich możliwych progów klasyfikacji na jednym wykresie. Pokazuje czułość i swoistość dla każdego progu. Im bardziej krzywa ROC przesuwa się w górę i w lewo, tym lepszy jest model.

Przewidujesz prawdopodobieństwa przynależności do klas dla klientów kart kredytowych, którzy zrezygnowali z usług, a wyniki przedstawiasz w postaci krzywej ROC.

Wczytany jest już model – drzewo decyzyjne wytrenowane na zbiorze treningowym klientów kart kredytowych – oraz dane testowe customers_test.

To ćwiczenie jest częścią kursu

Uczenie maszynowe z modelami drzewiastymi w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Użyj model, aby przewidzieć prawdopodobieństwa klas na zbiorze testowym.
  • Dodaj wyniki do zbioru testowego za pomocą bind_cols() i zapisz rezultat jako predictions.
  • Oblicz krzywą ROC na podstawie wyników.
  • Zwizualizuj krzywą ROC za pomocą autoplot().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Predict probabilities on test set
predictions <- predict(___, 
                       ___, 
                       type = "___") %>% 
  # Add test set
  ___(customers_test)

# Calculate the ROC curve for all thresholds
roc <- ___(___,
           estimate = ___, 
           truth = ___)

# Plot the ROC curve
___
Edytuj i uruchom kod