Variabile corelate

Primele 10 variabile adăugate în model sunt următoarele:

['max_gift', 'number_gift', 'time_since_last_gift', 'mean_gift', 'income_high', 'age', 'country_USA', 'gender_F', 'income_low', 'country_UK']

După cum poți observa, min_gift nu este inclusă. Înseamnă oare că este o variabilă slabă? Poți testa performanța ei folosind-o singură într-un model și calculând AUC-ul. Cum se compară AUC-ul variabilei min_gift cu cel al variabilei income_high? În acest scop, poți folosi funcția auc():

auc(variables, target, basetable)

Se poate întâmpla ca o variabilă bună să nu fie adăugată deoarece este puternic corelată cu o variabilă deja prezentă în model. Poți verifica acest lucru calculând corelația dintre cele două variabile:

import numpy
numpy.corrcoef(basetable["variable_1"],basetable["variable_2"])[0,1]

Acest exercițiu face parte din cursul

Introducere în analitica predictivă în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Calculează AUC-ul modelului folosind doar variabila min_gift.
Calculează AUC-ul modelului folosind doar variabila income_high.
Calculează corelația dintre variabila min_gift și variabila mean_gift.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

import numpy as np

# Calculate the AUC of the model using min_gift only
auc_min_gift = auc([____], ["target"], ____)
print(round(auc_min_gift,2))

# Calculate the AUC of the model using income_high only
auc_income_high = ____([____], [____], ____)
print(round(auc_income_high,2))

# Calculate the correlation between min_gift and mean_gift
correlation = np.corrcoef(basetable["____"], basetable["____"])[0,1]
print(round(correlation,2))

Editează și rulează codul