Kom igångKom igång gratis

Rita ROC-kurvan

Genom att visualisera modellens prestanda med en ROC-kurva kan du samla in prestandan för alla möjliga tröskelvärden i ett enda diagram. Kurvan visar känslighet och specificitet för varje tröskelvärde. Ju mer kurvan lutar uppåt och åt vänster, desto bättre är modellen.

Du ska nu prediktera klassannolikheter för kreditkortskunder som har avslutat sitt abonnemang och visualisera resultaten som en ROC-kurva.

Förladdat finns model, ett beslutsträd som tränats på träningsdatan för kreditkortskunder, samt testdatan customers_test.

Den här övningen är en del av kursen

Maskininlärning med trädbaserade modeller i R

Visa kurs

Övningsinstruktioner

  • Använd model för att prediktera klassannolikheter på testdatan.
  • Lägg till resultaten i testdatan med bind_cols() och spara resultatet som predictions.
  • Beräkna ROC-kurvan för resultatet.
  • Plotta ROC-kurvan med hjälp av autoplot().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Predict probabilities on test set
predictions <- predict(___, 
                       ___, 
                       type = "___") %>% 
  # Add test set
  ___(customers_test)

# Calculate the ROC curve for all thresholds
roc <- ___(___,
           estimate = ___, 
           truth = ___)

# Plot the ROC curve
___
Redigera och kör kod