ROC-kurva
Nu ska vi skapa en ROC-kurva för vår slumpskogsklassificerare. Det första steget är att beräkna de förutsagda sannolikheterna som klassificeraren ger för varje etikett med hjälp av dess .predict_proba()-metod. Sedan kan du använda funktionen roc_curve från sklearn.metrics för att beräkna den falska positivkvoten och den sanna positivkvoten, som du sedan kan visualisera med matplotlib.
En RandomForestClassifier tränad på 70 % av data har anpassats till datamängden och finns tillgänglig i din arbetsmiljö som clf.
Den här övningen är en del av kursen
Marknadsföringsanalys: Prediktera kundbortfall i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Generate the probabilities
y_pred_prob = ____.____(____)[:, 1]