ROC-кривая
Вы построили модель логистической регрессии для предсказания наличия диабета — теперь можно построить ROC-кривую и посмотреть, как изменяются доля истинно положительных и доля ложноположительных результатов при изменении порога принятия решений.
Тестовые метки y_test и предсказанные вероятности принадлежности тестовых объектов к положительному классу y_pred_probs уже загружены, а также matplotlib.pyplot как plt.
Постройте ROC-кривую и проинтерпретируйте результаты.
Это упражнение является частью курса
Обучение с учителем с помощью scikit-learn
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import roc_curve
____
# Generate ROC curve values: fpr, tpr, thresholds
fpr, tpr, thresholds = ____(____, ____)
plt.plot([0, 1], [0, 1], 'k--')
# Plot tpr against fpr
plt.plot(____, ____)
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('ROC Curve for Diabetes Prediction')
plt.show()