En slumpmässig modell

I den här övningen ska du rekonstruera baslinjen för den kumulativa vinstkurvan – det vill säga den kumulativa vinstkurvan för en slumpmässig modell.

För att göra det behöver du skapa slumpmässiga prediktioner. Metoden plot_cumulative_gain kräver två värden för dessa prediktioner: ett för att målet ska vara 0 och ett för att målet ska vara 1. Värdena ska summera till ett, så en giltig lista med prediktioner kan till exempel se ut så här: [(0.02,0.98),(0.27,0.73),...,(0.09,0.91)].

I Python kan du generera ett slumpmässigt värde mellan värdena a och b på följande sätt:

import random
random_value = random.uniform(a,b)

Den här övningen är en del av kursen

Introduktion till prediktiv analys i Python

Visa kurs

Övningsinstruktioner

Importera modulerna random, matplotlib och scikitplot.
Skapa en lista random_predictions som innehåller slumpmässiga tal mellan 0 och 1.
Justera listan random_predictions så att den innehåller tupler (r,a), där r är listans ursprungliga värde och a är sådant att \(r+a=1\).
De verkliga värdena för målvariabeln finns i targets_test. Visa den kumulativa vinstgrafen för din slumpmässiga modell.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import the modules
import ____
import ____ as plt
import ____ as skplt

# Generate random predictions
random_predictions = [random.uniform(____,____) for _ in range(len(targets_test))]

# Adjust random predictions
random_predictions = [(r, ____ - ____) for r in random_predictions]

# Plot the cumulative gains graph
skplt.metrics.plot_cumulative_gain(targets_test, ____)
plt.show()

Redigera och kör kod