Сравнение моделей прогнозирования оттока сотрудников

В этом упражнении вам нужно сравнить сбалансированную и несбалансированную (по умолчанию) модели на основе усечённого дерева (max_depth=7). Несбалансированная модель уже построена с использованием метрик recall и ROC/AUC. Выполните те же шаги для сбалансированной модели.

Переменные features_train, target_train, features_test и target_test уже доступны в вашем рабочем пространстве.
Несбалансированная модель уже обучена, а её предсказания сохранены в переменной prediction.
Функции recall_score() и roc_auc_score() уже импортированы.

Это упражнение является частью курса

HR-аналитика: прогнозирование текучести кадров на Python

Посмотреть курс

Инструкции к упражнению

Инициализируйте сбалансированную модель, задав максимальную глубину 7 и случайное зерно 42.
Обучите её на обучающей выборке.
Сделайте предсказания на тестовой выборке.
Выведите значения полноты (recall) и ROC/AUC.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Print the recall score
print(recall_score(target_test,prediction))
# Print the ROC/AUC score
print(roc_auc_score(target_test,prediction))

# Initialize the model
model_depth_7_b = 
# Fit it to the training component
model_depth_7_b.fit(____,____)
# Make prediction using test component
prediction_b = 
# Print the recall score for the balanced model
print(____)
# Print the ROC/AUC score for the balanced model
print(____)

Редактировать и запускать код