Ağaç tabanlı modelleri karşılaştırmak için ROC eğrileri

Şimdi aynı adımları ağaç tabanlı modeller için tekrarlama zamanı. pROC() çalışma alanına yüklendi. Ağaç tabanlı yöntemler için PD tahminleri şu nesnelerde saklanıyor:

predictions_undersample
predictions_prior
predictions_loss_matrix
predictions_weights

Bu egzersiz

R ile Kredi Riski Modellemesi

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

roc(response, predictor) fonksiyonunu kullanarak ağaç tabanlı yöntemler için ROC nesnelerini oluştur.
Önceden oluşturduğun nesneleri kullanarak ROC eğrilerini çiz. Hepsini tek bir grafikte göstermek için, ilk ROC eğrisi (ROC_undersample) için plot() ve diğer üç modeli aynı grafiğe eklemek için lines() kullan. Eğrilerin renklerini değiştirmek için col argümanını kullan: ROC_prior mavi, ROC_loss_matrix kırmızı, ROC_weights yeşil olsun.
ROC eğrilerinin performansını daha iyi görmek için auc() fonksiyonunu kullanarak AUC değerlerine bak.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Construct the objects containing ROC-information
ROC_undersample <- 
ROC_prior <-
ROC_loss_matrix <- 
ROC_weights <- 

# Draw the ROC-curves in one plot

  

    

# Compute the AUCs

Kodu Düzenle ve Çalıştır