ROC-кривая
Теперь построим ROC-кривую для нашего классификатора на основе случайного леса. Сначала нужно вычислить предсказанные вероятности для каждого класса с помощью метода .predict_proba(). Затем можно воспользоваться функцией roc_curve из sklearn.metrics, чтобы рассчитать долю ложноположительных и долю истинноположительных результатов, после чего отобразить их на графике с помощью matplotlib.
Классификатор RandomForestClassifier, обученный на 70% данных, уже доступен в вашей рабочей среде под именем clf.
Это упражнение является частью курса
Маркетинговая аналитика: прогнозирование оттока клиентов на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Generate the probabilities
y_pred_prob = ____.____(____)[:, 1]