ROC Eğrileri ve AUC Hesaplama

Önceki egzersizlerde, dengesiz veri kümelerinde doğruluğun (accuracy) model performansını değerlendirmek için ne kadar yanıltıcı olabildiğini gördün. Modelin performansını görselleştirmek, aşırı agresif bir model ile fazla pasif bir model arasındaki ödünleşimi daha iyi gösterir.

Bu egzersizde, daha önce kurduğun bağışlar için lojistik regresyon modelini değerlendirmek üzere bir ROC eğrisi oluşturacak ve eğri altında kalan alanı (AUC) hesaplayacaksın.

Tahmin olasılıklarını içeren donation_prob sütunuyla birlikte donors veri kümesi senin için yüklendi.

Bu egzersiz, kursun bir parçasıdır

R'de Supervised Learning: Sınıflandırma

Kursa Göz Atın

Egzersiz talimatları

pROC paketini yükle.
Gerçek ve tahmin edilen bağış sütunlarını kullanarak roc() ile bir ROC eğrisi oluştur. Sonucu ROC olarak kaydet.
plot() kullanarak ROC nesnesini çiz. Eğriyi mavi yapmak için col = "blue" belirt.
Eğri altında kalan alanı auc() ile hesapla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Load the pROC package


# Create a ROC curve
ROC <- roc(___, ___)

# Plot the ROC curve
plot(___, col = ___)

# Calculate the area under the curve (AUC)
auc(___)

Kodu Düzenle ve Çalıştır