Вычисление AUC
Значение AUC показывает, насколько хорошо модель упорядочивает наблюдения по вероятности принадлежности к целевому классу — от низкой к высокой. В Python для вычисления AUC модели используется функция roc_auc_score. Она принимает истинные значения целевой переменной и прогнозы в качестве аргументов.
Сначала вы снова сделаете прогнозы, а затем вычислите roc_auc_score.
Это упражнение является частью курса
Введение в предиктивную аналитику на Python
Инструкции к упражнению
- Модель
logregиз предыдущей главы уже создана и обучена, а DataFrameXсодержит столбцы предикторов базовой таблицы. Сделайте прогнозы для объектов из базовой таблицы. - Выберите второй столбец
predictions, так как именно он содержит прогнозы для целевой переменной. - Истинные значения целевой переменной загружены в
y. Используйте функциюroc_auc_score, чтобы вычислить AUC модели.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Make predictions
predictions = logreg.____(____)
predictions_target = predictions[:,____]
# Calculate the AUC value
auc = ____(____, ____)
print(round(auc,2))