Krzywa zysku do oceny modelu bezrobocia

W poprzednim ćwiczeniu prognozowałeś wartości female_unemployment i wizualizowałeś prognozy oraz reszty. Teraz wykreślisz krzywą zysku dla prognoz modelu unemployment_model w odniesieniu do rzeczywistych wartości female_unemployment, korzystając z funkcji WVPlots::GainCurvePlot() (dokumentacja).

W sytuacjach, gdy ważniejsza jest kolejność niż dokładne wartości, krzywa zysku pozwala sprawdzić, czy prognozy modelu są posortowane w tej samej kolejności co rzeczywiste wyniki.

Wywołania funkcji GainCurvePlot() mają następującą postać:

GainCurvePlot(frame, xvar, truthvar, title)

gdzie

frame to ramka danych
xvar i truthvar to ciągi znaków wskazujące kolumny ramki frame – odpowiednio z prognozami i rzeczywistymi wynikami
title to tytuł wykresu

Gdy prognozy są posortowane dokładnie w tej samej kolejności, względny współczynnik Giniego wynosi 1. Gdy model sortuje słabo, względny współczynnik Giniego jest bliski zera lub nawet ujemny.

Ramka danych unemployment, zawierająca również prognozy, oraz model unemployment_model są dostępne do użycia.

To ćwiczenie jest częścią kursu

Nadzorowane uczenie maszynowe w R: regresja

Zobacz kurs

Instrukcje do ćwiczenia

Wczytaj pakiet WVPlots za pomocą library().
Wykreśl krzywą zysku. Nadaj wykresowi tytuł "Unemployment model". Czy prognozy modelu są posortowane poprawnie?

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# unemployment (with predictions) is available
summary(unemployment)

# unemployment_model is available
summary(unemployment_model)

# Load the package WVPlots
___

# Plot the Gain Curve
___(___, ___, ___, "Unemployment model")

Edytuj i uruchom kod