BaşlayınÜcretsiz başlayın

ROC eğrisini çiz

Bir ROC eğrisiyle model performansını görselleştirmek, tüm olası eşik değerlerindeki performansı tek bir grafikte toplamana olanak tanır. Her eşik için duyarlılık (sensitivity) ve özgüllüğü (specificity) gösterir. ROC eğrisi ne kadar “yukarıda ve solda” ise model o kadar iyi demektir.

Kredi kartı müşterilerinin churn olup olmadıklarına dair sınıf olasılıklarını tahmin edecek ve sonuçları bir ROC eğrisi olarak çizeceksin.

Önceden yüklenmiş bir model var; bu, kredi kartı müşterileri eğitim kümesi üzerinde eğitilmiş bir karar ağacıdır. Ayrıca test verisi customers_test de yüklü.

Bu egzersiz, kursun bir parçasıdır

R ile Ağaç Tabanlı Modellerle Machine Learning

Kursa Göz Atın

Egzersiz talimatları

  • Test kümesi üzerinde sınıf olasılıklarını tahmin etmek için model'i kullan.
  • Sonuçları bind_cols() ile test kümesine ekle ve çıktıyı predictions olarak kaydet.
  • Bu sonuç için ROC eğrisini hesapla.
  • ROC eğrisini autoplot() kullanarak görselleştir.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Predict probabilities on test set
predictions <- predict(___, 
                       ___, 
                       type = "___") %>% 
  # Add test set
  ___(customers_test)

# Calculate the ROC curve for all thresholds
roc <- ___(___,
           estimate = ___, 
           truth = ___)

# Plot the ROC curve
___
Kodu Düzenle ve Çalıştır