1. Nauka
    2. /
  2. Kursy
    3. /
  3. Modelowanie z tidymodels w R
Connected

ćwiczenie

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.

Instrukcje 1/3

undefined XP
    1
    2
    3
  • Utwórz tabelę threshold_df zawierającą czułość i swoistość modelu klasyfikacji dla kolejnych unikalnych progów prawdopodobieństwa z telecom_results.
  • Wyświetl threshold_df, aby zobaczyć wyniki.