Adăugarea interacțiunilor în basetable

Să presupunem că o organizație non-profit dorește să lanseze o campanie în Spania și Franța și vrea să știe care donatori sunt cel mai predispuși să doneze. Ți se oferă un basetable cu variabilele predictive "age", "country_Spain", "country_France" și variabila țintă "target". Pentru ușurința ta, este implementată o funcție auc care returnează AUC-ul pe date partiționare, primind două argumente: mulțimea variabilelor luate în considerare și basetable-ul:

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

În acest exercițiu, vei învăța cum să adaugi interacțiuni în basetable și să verifici dacă acest lucru îmbunătățește AUC-ul modelului predictiv.

Acest exercițiu face parte din cursul

Analiză predictivă intermediară în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Afișează AUC-ul unui model care folosește doar age și AUC-ul unui model care folosește doar country_Spain.
Afișează AUC-ul unui model care folosește age și country_Spain.
Adaugă două termene de interacțiune în basetable: age cu country_Spain și age cu country_France.
Afișează AUC-ul unui model care folosește age, country_Spain și termenii de interacțiune.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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(____(["____", "____", "____", "____"], ____))

Editează și rulează codul