Krzywe ROC i pole pod krzywą ROC
Krzywe ROC służą do wizualizacji wydajności modelu klasyfikacji w zakresie różnych progów prawdopodobieństwa. Krzywa ROC, której większość punktów skupia się w lewym górnym rogu wykresu, wskazuje, że model klasyfikacji poprawnie przewiduje zarówno wyniki pozytywne, jak i negatywne – i to w szerokim zakresie progów prawdopodobieństwa.
Pole pod tą krzywą to syntetyczna miara jakości modelu.
W tym ćwiczeniu stworzysz krzywą ROC na podstawie wyników swojego modelu regresji logistycznej i obliczysz pole pod krzywą ROC za pomocą pakietu yardstick.
Tabela z wynikami modelu, telecom_results, została już wczytana do twojej sesji.
To ćwiczenie jest częścią kursu
Modelowanie z tidymodels w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Calculate metrics across thresholds
threshold_df <- ___ %>%
___(truth = ___, ___)
# View results
threshold_df