Basetable'a etkileşimler ekleme
Kâr amacı gütmeyen bir kuruluşun İspanya ve Fransa'da bir kampanya başlatmak istediğini ve hangi bağışçıların bağış yapma olasılığının daha yüksek olduğunu bilmek istediğini varsay. Elinde, öngörücü değişkenler "age", "country_Spain", "country_France" ve hedef "target" bulunan bir basetable var.
Kolaylık olması için, bölünmüş veri üzerinde AUC döndüren bir auc fonksiyonu sağlandı; iki argüman alır: dikkate alınan değişkenler kümesi ve basetable:
auc(["variable_1","variable_2"], basetable)
0.51
Bu egzersizde, basetable'a etkileşimler eklemeyi ve bunun öngörücü modelin AUC değerini iyileştirip iyileştirmediğini doğrulamayı öğreneceksin.
Bu egzersiz
Python ile Orta Düzey Öngörüsel Analitik
kursunun bir parçasıdırEgzersiz talimatları
- Yalnızca
agekullanan bir modelin AUC değerini ve yalnızcacountry_Spainkullanan bir modelin AUC değerini yazdır. agevecountry_Spainkullanan bir modelin AUC değerini yazdır.- İki etkileşim terimini, yani
ageilecountry_Spainveageilecountry_Franceetkileşimlerini basetable'a ekle. age,country_Spainve etkileşim terimlerini kullanan bir modelin AUC değerini yazdır.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Calculate AUC using age only
print(auc(["____"], basetable))
# Calculate AUC using country_Spain only
print(____(["____"], ____))
# Calculate AUC using age and country_Spain
print(____(["____", "____"], ____))
# Add interactions country_Spain x age and country_France x age
basetable["spain_age"] = ____["____"] * ____["____"]
basetable["france_age"] = ____["____"] * ____["____"]
# Calculate AUC using age, country_Spain and interactions
print(____(["____", "____", "____", "____"], ____))