Beräkna ROC-kurvor och AUC

De tidigare övningarna har visat att träffsäkerhet är ett missvisande mått på modellprestanda när datamängden är obalanserad. Genom att visualisera modellens prestanda får du en tydligare bild av avvägningen mellan en alltför aggressiv och en alltför passiv modell.

I den här övningen skapar du en ROC-kurva och beräknar arean under kurvan (AUC) för att utvärdera den logistiska regressionsmodellen för donationer som du byggde tidigare.

Datamängden donors med kolumnen för predikterade sannolikheter, donation_prob, har redan laddats in.

Den här övningen är en del av kursen

Övervakat lärande i R: Klassificering

Visa kurs

Övningsinstruktioner

Ladda paketet pROC.
Skapa en ROC-kurva med roc() och kolumnerna för faktiska respektive predikterade donationer. Spara resultatet som ROC.
Använd plot() för att rita ROC-objektet. Ange col = "blue" för att färga kurvan blå.
Beräkna arean under kurvan med auc().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Load the pROC package


# Create a ROC curve
ROC <- roc(___, ___)

# Plot the ROC curve
plot(___, col = ___)

# Calculate the area under the curve (AUC)
auc(___)

Redigera och kör kod