Det framåtstegvisa variabelurvalet ger en ordning i vilken variabler optimalt läggs till i prediktoruppsättningen. För att avgöra var man ska begränsa antalet variabler kan man rita tränings- och test-AUC-kurvor. Dessa kurvor visar tränings- och test-AUC med den första, de två första, de tre första, … variablerna i modellen.

I den här övningen lär du dig att rita dessa AUC-kurvor. Metoden auc_train_test för att beräkna AUC-värden har redan implementerats och kan användas på följande sätt:

auc_train, auc_test = auc_train_test(variables, target, train, test)

där variables är den uppsättning variabler som används i logistisk regressionsmodell, target är en lista med målvariabelns namn, och train och test är tränings- respektive testtabellen.

Variablerna ordnade enligt det framåtstegvisa förfarandet finns i listan variables. Du kan utforska den i konsolen. Dessutom har tre tomma listor definierats åt dig:

auc_values_train, som kommer att innehålla modellens tränings-AUC-värden vid varje iteration
auc_values_test, som kommer att innehålla modellens test-AUC-värden vid varje iteration
variables_evaluate, som kommer att innehålla de variabler som utvärderas vid varje iteration

Välja tröskel

Introduktion till prediktiv analys i Python

Interaktiv övning med praktiskt arbete