Rita ROC-kurvor
Du såg återigen att det boostade beslutsträdet ger högst AUC. Siffror är bra, men diagram är bättre! Varför inte visualisera resultaten?
Du ska illustrera modellernas prestanda genom att rita alla ROC-kurvor i ett och samma diagram. Eftersom AUC bokstavligen är arean under ROC-kurvan bör den boostade modellen ha störst area och synas i diagrammets övre vänstra hörn.
Prediktionstibble-objektet preds_combined är fortfarande inläst.
Den här övningen är en del av kursen
Maskininlärning med trädbaserade modeller i R
Övningsinstruktioner
- Omforma tibble-objektet
preds_combinedså att alla kolumner som börjar med"preds_"blir rader i stället för kolumner. Konvertera namnen till en kolumn kallad"model"och värdena till en kolumn kallad"predictions". - Gruppera resultaten efter
model. - Beräkna ROC-värden för alla tröskelvärden.
- Skapa ett diagram över kurvorna.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Reshape the predictions into long format
predictions_long <- tidyr::pivot_longer(___,
cols = starts_with("___"),
names_to = "___",
values_to = "___")
predictions_long %>%
# Group by model
___(___) %>%
# Calculate values for every cutoff
___(truth = ___,
estimate = ___) %>%
# Create a plot from the calculated data
___()