Curba ROC
Acum vom crea o curbă ROC pentru clasificatorul nostru de tip pădure aleatorie. Primul pas este să calculezi probabilitățile prezise de clasificator pentru fiecare etichetă, folosind metoda .predict_proba(). Apoi, poți folosi funcția roc_curve din sklearn.metrics pentru a calcula rata fals pozitivă și rata adevărat pozitivă, pe care le vei reprezenta grafic cu ajutorul matplotlib.
Un RandomForestClassifier antrenat pe 70% din date a fost deja ajustat pe set și este disponibil în spațiul tău de lucru sub numele clf.
Acest exercițiu face parte din cursul
Marketing Analytics: Predicția abandonului clienților în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Generate the probabilities
y_pred_prob = ____.____(____)[:, 1]