Välj nästa bästa variabel

Den framåtstegvisa variabelselektionen börjar med en tom variabelmängd och arbetar sig framåt steg för steg, där den bästa variabeln läggs till i varje steg. För att implementera den här proceduren finns två hjälpfunktioner tillgängliga.

Funktionen auc beräknar AUC för den modell som använder en given variabelmängd variables som prediktorer. Funktionen next_best beräknar vilken variabel som bör läggas till i nästa steg.

I den här övningen experimenterar du med dessa funktioner för att bättre förstå deras syfte. Du beräknar AUC för en given variabelmängd, tar reda på vilken variabel som bör läggas till härnäst och verifierar att det verkligen ger ett optimalt AUC.

Den här övningen är en del av kursen

Introduktion till prediktiv analys i Python

Visa kurs

Övningsinstruktioner

Funktionen auc är redan implementerad. Beräkna AUC för en modell som använder "max_gift", "mean_gift" och "min_gift" som prediktorer. Skicka dessa variabler som en lista i det första argumentet till funktionen auc.
Funktionen next_best är redan implementerad. Beräkna vilken variabel som bör läggas till härnäst, givet att "max_gift", "mean_gift" och "min_gift" redan finns i modellen och att "age" och "gender_F" är kandidater. Det första argumentet till next_best är en lista med de aktuella variablerna, och det andra argumentet är en lista med kandidatvariablerna.
Beräkna AUC för en modell som använder "max_gift", "mean_gift", "min_gift" och "age" som prediktorer.
Beräkna AUC för en modell som använder "max_gift", "mean_gift", "min_gift" och "gender_F" som prediktorer.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Calculate the AUC of a model that uses "max_gift", "mean_gift" and "min_gift" as predictors
auc_current = ____([____, ____, ____], ["target"], basetable)
print(round(auc_current,4))

# Calculate which variable among "age" and "gender_F" should be added to the variables "max_gift", "mean_gift" and "min_gift"
next_variable = ____([____, ____, ____], [____, ____], ["target"], basetable)
print(next_variable)

# Calculate the AUC of a model that uses "max_gift", "mean_gift", "min_gift" and "age" as predictors
auc_current_age = ____([____, ____, ____, ____], ["target"], basetable)
print(round(auc_current_age,4))

# Calculate the AUC of a model that uses "max_gift", "mean_gift", "min_gift" and "gender_F" as predictors
auc_current_gender_F = ____([____], ["target"], basetable)
print(round(auc_current_gender_F,4))

Redigera och kör kod