Измерение AUC
Теперь, когда вы использовали кросс-валидацию для вычисления средней точности на отложенной выборке (после преобразования из ошибки), вычислить любую другую интересующую вас метрику не составит труда. Достаточно передать её (или список метрик) в качестве аргумента параметру metrics функции xgb.cv().
В этом упражнении вам нужно вычислить ещё одну распространённую метрику бинарной классификации — площадь под кривой ("auc"). Как и прежде, в вашем рабочем пространстве доступны churn_data, DMatrix churn_dmatrix и словарь параметров params.
Это упражнение является частью курса
Экстремальный градиентный бустинг с XGBoost
Инструкции к упражнению
- Выполните 3-фолдовую кросс-валидацию с
5раундами бустинга и метрикой"auc". - Выведите столбец
"test-auc-mean"изcv_results.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Perform cross_validation: cv_results
cv_results = ____(dtrain=____, params=____,
nfold=____, num_boost_round=____,
metrics="____", as_pandas=True, seed=123)
# Print cv_results
print(cv_results)
# Print the AUC
print((cv_results["____"]).iloc[-1])