BaşlayınÜcretsiz başlayın

İşsizlik modelini değerlendirmek için gain eğrisi

Önceki egzersizde female_unemployment için tahminler yaptın ve tahminlerle artık değerleri (residuals) görselleştirdin. Şimdi, unemployment_model modelinin tahminlerini gerçek female_unemployment değerlerine karşı WVPlots::GainCurvePlot() (docs) fonksiyonunu kullanarak gain eğrisini de çizeceksin.

Sıralamanın, tam değerlerden daha önemli olduğu durumlarda, gain eğrisi modelin tahminlerinin gerçek sonuçla aynı sırayı takip edip etmediğini kontrol etmene yardımcı olur.

GainCurvePlot() fonksiyonuna yapılan çağrılar şu şekildedir: 

GainCurvePlot(frame, xvar, truthvar, title)

şu anlamlara gelir:

  • frame bir veri çerçevesidir
  • xvar ve truthvar, frame içindeki tahmin ve gerçek sonuç sütunlarının adlarını veren karakter dizileridir
  • title grafiğin başlığıdır

Tahminler tam olarak aynı sırayı verdiğinde, göreli Gini katsayısı 1 olur. Model sıralamayı kötü yaptığında, göreli Gini katsayısı sıfıra yaklaşır, hatta negatif olabilir.

Tahminleri de içeren unemployment veri çerçevesi ve unemployment_model modeli kullanımın için hazır.

Bu egzersiz, kursun bir parçasıdır

R'de Supervised Learning: Regresyon

Kursa Göz Atın

Egzersiz talimatları

  • WVPlots paketini library() ile yükle.
  • Gain eğrisini çiz. Grafiğe "Unemployment model" başlığını ver. Modelin tahminleri doğru sıralıyor mu?

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# unemployment (with predictions) is available
summary(unemployment)

# unemployment_model is available
summary(unemployment_model)

# Load the package WVPlots
___

# Plot the Gain Curve
___(___, ___, ___, "Unemployment model")
Kodu Düzenle ve Çalıştır