1. Nauka
    2. /
  2. Kursy
    3. /
  3. Nadzorowane uczenie maszynowe z scikit-learn
Connected

ćwiczenie

Krzywa ROC

Masz już zbudowany model regresji logistycznej do przewidywania cukrzycy – teraz możesz narysować krzywą ROC, aby zobaczyć, jak współczynnik prawdziwie pozytywnych i fałszywie pozytywnych wyników zmienia się wraz z progiem decyzyjnym.

Etykiety testowe y_test oraz przewidywane prawdopodobieństwa przynależności cech testowych do klasy pozytywnej y_pred_probs zostały już wczytane, podobnie jak matplotlib.pyplot jako plt.

Narysujesz krzywą ROC, a następnie zinterpretujesz wyniki.

Instrukcje 1/2

undefined XP
    1
    2
  • Zaimportuj roc_curve.
  • Oblicz wartości krzywej ROC, używając y_test i y_pred_probs, i rozpakuj wyniki do zmiennych fpr, tpr oraz thresholds.
  • Narysuj wykres współczynnika prawdziwie pozytywnych w funkcji współczynnika fałszywie pozytywnych.