ROC-kurvor för jämförelse av trädbaserade modeller

Nu är det dags att upprepa de tidigare övningarna, men den här gången jämför du de trädbaserade modellerna. pROC() är redan inläst i din arbetsmiljö. PD-prediktionerna för de trädbaserade metoderna är lagrade i objekten

predictions_undersample
predictions_prior
predictions_loss_matrix
predictions_weights

Den här övningen är en del av kursen

Kreditriskmodellering i R

Visa kurs

Övningsinstruktioner

Konstruera ROC-objekten för de trädbaserade metoderna med funktionen roc(response, predictor).
Använd de tidigare skapade objekten för att rita ROC-kurvor. För att visa dem alla i ett och samma diagram använder du plot() för den första kurvan (för ROC_undersample) och lines() för de tre övriga modellerna. Använd argumentet col för att ändra färg på kurvan: blå för ROC_prior, röd för ROC_loss_matrix och grön för ROC_weights.
För att få en bättre bild av modellernas prestanda, undersök AUC-värdena med funktionen auc().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Construct the objects containing ROC-information
ROC_undersample <- 
ROC_prior <-
ROC_loss_matrix <- 
ROC_weights <- 

# Draw the ROC-curves in one plot

  

    

# Compute the AUCs

Redigera och kör kod