Modeli train ve test üzerinde değerlendirme

auc_train_test fonksiyonu, bir train kümesi üzerinde kurulan ve bir test kümesi üzerinde değerlendirilen modelin AUC değerini hesaplar:

auc_train, auc_test = auc_train_test(variables, target, train, test)

burada variables, modelde kullanılan değişken adlarının bir listesidir.

Bu egzersizde bu fonksiyonu uygulayacak ve train ile test AUC değerlerinin birbirine benzer olup olmadığını kontrol edeceksin.

Bu egzersiz, kursun bir parçasıdır

Python ile Öngörücü Analitiğe Giriş

Kursa Göz Atın

Egzersiz talimatları

basetable yüklü. Basetable’ı öyle bir şekilde böl ki train kümesi verinin %70'ini içersin ve train ile test kümelerinde hedef değişkenin görülme sıklığı eşit olsun.
auc_train_test fonksiyonunu kullanarak, "age" ve "gender_F" değişkenlerini yordayıcı olarak alan modelin train ve test AUC değerlerini hesapla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Load the partitioning module
from sklearn.model_selection import train_test_split

# Create DataFrames with variables and target
X = basetable.drop('target', 1)
y = basetable["target"]

# Carry out 70-30 partititioning with stratification
X_train, X_test, y_train, y_test = ____(X, y, test_size = ____, stratify = ____)

# Create the final train and test basetables
train = pd.concat([X_train, y_train], axis=1)
test = pd.concat([X_test, y_test], axis=1)

 # Apply the auc_train_test function
auc_train, auc_test = ____([____, ____], ["target"], ____, ____)
print(round(auc_train,2))
print(round(auc_test,2))

Kodu Düzenle ve Çalıştır