Кривая накопленного отклика для оценки модели безработицы

В предыдущем упражнении вы сделали предсказания для female_unemployment и визуализировали их вместе с остатками. Теперь постройте кривую накопленного отклика для предсказаний модели unemployment_model в сравнении с фактическими значениями female_unemployment — с помощью функции WVPlots::GainCurvePlot() (документация).

В ситуациях, когда важнее порядок сортировки, а не точные значения, кривая накопленного отклика помогает проверить, совпадает ли порядок предсказаний модели с порядком фактических значений.

Вызов функции GainCurvePlot() выглядит так:

GainCurvePlot(frame, xvar, truthvar, title)

где

frame — фрейм данных;
xvar и truthvar — строки с названиями столбца предсказаний и столбца фактических значений фрейма frame;
title — заголовок графика.

Если предсказания отсортированы в точно таком же порядке, что и фактические значения, относительный коэффициент Джини равен 1. Если модель сортирует плохо, коэффициент Джини близок к нулю или даже отрицателен.

Фрейм данных unemployment, содержащий в том числе предсказания, и модель unemployment_model уже доступны для использования.

Это упражнение является частью курса

Обучение с учителем в R: регрессия

Посмотреть курс

Инструкции к упражнению

Загрузите пакет WVPlots с помощью library().
Постройте кривую накопленного отклика. Задайте графику заголовок "Unemployment model". Правильно ли модель сортирует предсказания?

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# unemployment (with predictions) is available
summary(unemployment)

# unemployment_model is available
summary(unemployment_model)

# Load the package WVPlots
___

# Plot the Gain Curve
___(___, ___, ___, "Unemployment model")

Редактировать и запускать код