Построение ROC-кривых и вычисление AUC

Предыдущие упражнения показали, что точность (accuracy) может вводить в заблуждение при оценке качества модели на несбалансированных наборах данных. Визуализация результатов наглядно демонстрирует компромисс между слишком агрессивной и слишком пассивной моделью.

В этом упражнении вы построите ROC-кривую и вычислите площадь под ней (AUC), чтобы оценить логистическую регрессионную модель пожертвований, созданную ранее.

Набор данных donors со столбцом предсказанных вероятностей donation_prob уже загружен.

Это упражнение является частью курса

Обучение с учителем в R: классификация

Посмотреть курс

Инструкции к упражнению

Загрузите пакет pROC.
Постройте ROC-кривую с помощью функции roc(), передав столбцы фактических и предсказанных пожертвований. Сохраните результат в переменную ROC.
Используйте plot() для отображения объекта ROC. Укажите col = "blue", чтобы окрасить кривую в синий цвет.
Вычислите площадь под кривой с помощью auc().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Load the pROC package


# Create a ROC curve
ROC <- roc(___, ___)

# Plot the ROC curve
plot(___, col = ___)

# Calculate the area under the curve (AUC)
auc(___)

Редактировать и запускать код