ROC Curve
มาสร้าง ROC curve สำหรับ random forest classifier กัน ขั้นแรกให้คำนวณความน่าจะเป็นที่โมเดลพยากรณ์ให้แต่ละ label โดยใช้เมธอด .predict_proba() จากนั้นใช้ฟังก์ชัน roc_curve จาก sklearn.metrics เพื่อคำนวณ false positive rate และ true positive rate แล้วนำไปพล็อตกราฟด้วย matplotlib
RandomForestClassifier ที่เทรนด้วยข้อมูล 70% ได้รับการ fit แล้ว และพร้อมใช้งานในชื่อตัวแปร clf
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Marketing Analytics: การพยากรณ์การเลิกใช้บริการของลูกค้าด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Generate the probabilities
y_pred_prob = ____.____(____)[:, 1]