Curba de câștig pentru evaluarea modelului de șomaj

În exercițiul anterior ai făcut predicții despre female_unemployment și ai vizualizat predicțiile și reziduurile. Acum vei reprezenta grafic și curba de câștig a predicțiilor modelului unemployment_model față de valorile reale ale female_unemployment, folosind funcția WVPlots::GainCurvePlot() (docs).

În situațiile în care ordinea este mai importantă decât valorile exacte, curba de câștig te ajută să verifici dacă predicțiile modelului sunt sortate în același mod ca valorile reale ale rezultatului.

Apelurile funcției GainCurvePlot() arată astfel:

GainCurvePlot(frame, xvar, truthvar, title)

unde

frame este un cadru de date
xvar și truthvar sunt șiruri de caractere ce denumesc coloanele cu predicțiile, respectiv cu valorile reale ale rezultatului din frame
title este titlul graficului

Atunci când predicțiile sunt sortate exact în aceeași ordine, coeficientul Gini relativ este 1. Când modelul sortează slab, coeficientul Gini relativ este aproape de zero sau chiar negativ.

Cadrul de date unemployment, care conține și predicțiile, precum și modelul unemployment_model sunt disponibile pentru a fi utilizate.

Acest exercițiu face parte din cursul

Învățare supervizată în R: Regresia

Vezi cursul

Instrucțiuni pentru exercițiu

Încarcă pachetul WVPlots folosind library().
Reprezintă grafic curba de câștig. Dă graficului titlul "Unemployment model". Predicțiile modelului sunt sortate corect?

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# unemployment (with predictions) is available
summary(unemployment)

# unemployment_model is available
summary(unemployment_model)

# Load the package WVPlots
___

# Plot the Gain Curve
___(___, ___, ___, "Unemployment model")

Editează și rulează codul