Beräkna AUC

AUC-värdet mäter hur väl en modell kan rangordna observationer från låg till hög sannolikhet att tillhöra målgruppen. I Python kan funktionen roc_auc_score användas för att beräkna modellens AUC. Den tar de sanna värdena för målvariabeln och prediktionerna som argument.

Du gör nya prediktioner och beräknar sedan roc_auc_score.

Den här övningen är en del av kursen

Introduktion till prediktiv analys i Python

Visa kurs

Övningsinstruktioner

Modellen logreg från föregående kapitel har skapats och tränats åt dig, och DataFrame:n X innehåller prediktorkolumnerna i bastabellen. Gör prediktioner för objekten i bastabellen.
Välj den andra kolumnen i predictions, eftersom den innehåller prediktionerna för målvariabeln.
De sanna värdena för målvariabeln finns inlästa i y. Använd funktionen roc_auc_score för att beräkna modellens AUC.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Make predictions
predictions = logreg.____(____)
predictions_target = predictions[:,____]

# Calculate the AUC value
auc = ____(____, ____)
print(round(auc,2))

Redigera och kör kod