Adicionando interações à basetable

Suponha que uma organização sem fins lucrativos queira lançar uma campanha na Espanha e na França, e quer saber quais doadores têm mais probabilidade de doar. É fornecida uma basetable com as variáveis preditivas "age", "country_Spain", "country_France" e o alvo "target". Para sua conveniência, uma função auc está implementada e retorna a AUC em dados particionados, recebendo dois argumentos: o conjunto de variáveis consideradas e a basetable:

auc(["variable_1","variable_2"], basetable)
0.51

Neste exercício, você vai aprender a adicionar interações à basetable e verificar se isso melhora a AUC do modelo preditivo.

Este exercício faz parte do curso

Análise Preditiva Intermediária em Python

Ver curso

Instruções do exercício

Imprima a AUC de um modelo usando apenas age e a AUC de um modelo usando apenas country_Spain.
Imprima a AUC de um modelo usando age e country_Spain.
Adicione dois termos de interação, age com country_Spain e age com country_France, à basetable.
Imprima a AUC de um modelo usando age, country_Spain e os termos de interação.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Calculate AUC using age only
print(auc(["____"], basetable))

# Calculate AUC using country_Spain only
print(____(["____"], ____))

# Calculate AUC using age and country_Spain
print(____(["____", "____"], ____))

# Add interactions country_Spain x age and country_France x age
basetable["spain_age"] = ____["____"] * ____["____"]
basetable["france_age"] = ____["____"] * ____["____"]

# Calculate AUC using age, country_Spain and interactions
print(____(["____", "____", "____", "____"], ____))

Editar e executar o código