Performanța variabilelor de evoluție

Îți este oferit un basetable care conține 3 variabile predictive obișnuite: „gender_F", „age", „donations_2017", și o variabilă de evoluție, „donations_2017_min_2016", care reprezintă numărul de donații efectuate în 2017 minus numărul de donații efectuate în 2016.

În acest exercițiu vei observa valoarea adăugată a variabilelor de evoluție. Vei construi două modele predictive: unul folosind variabilele predictive obișnuite din variables_regular și altul în care „donations_2017" este înlocuită cu „donations_2017_min_2016" – aceste variabile sunt disponibile în variables_evolution. Modelul de regresie logistică este deja inițializat în logreg. Modelul bazat pe variabilele obișnuite a fost deja implementat, iar AUC-ul său se află în auc_regular.

Acest exercițiu face parte din cursul

Analiză predictivă intermediară în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Selectează variabilele de evoluție în X_evolution și antrenează modelul.
Generează predicții folosind .predict_proba() cu acest model pentru toate observațiile din X_evolution și calculează AUC-ul cu roc_auc_score().
Afișează AUC-urile ambelor modele și compară-le.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Select the evolution variables and fit the model
X_evolution = ____[____]
logreg.fit(____, y)

# Make predictions and calculate the AUC
predictions_evolution = logreg.____(____)[:,1]
auc_evolution = ____(____, ____)

# Print the respective AUC values
print(round(auc_regular, 2))
____(round(____, 2))

Editează și rulează codul