Curba ROC
Acum că ai construit un model de regresie logistică pentru predicția diabetului, poți trasa curba ROC pentru a vizualiza cum variază rata pozitivelor reale și rata falselor pozitive pe măsură ce pragul de decizie se modifică.
Etichetele de testare, y_test, și probabilitățile estimate că eșantioanele de testare aparțin clasei pozitive, y_pred_probs, au fost preîncărcate pentru tine, împreună cu matplotlib.pyplot ca plt.
Vei crea o curbă ROC și vei interpreta rezultatele.
Acest exercițiu face parte din cursul
Învățare supravegheată cu scikit-learn
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Import roc_curve
____
# Generate ROC curve values: fpr, tpr, thresholds
fpr, tpr, thresholds = ____(____, ____)
plt.plot([0, 1], [0, 1], 'k--')
# Plot tpr against fpr
plt.plot(____, ____)
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('ROC Curve for Diabetes Prediction')
plt.show()