Вимірювання AUC

Тепер, коли ви використали крос-валідацію, щоб обчислити середню точність на позавибіркових даних (після перетворення з помилки), дуже просто порахувати будь-яку іншу метрику, яка вас цікавить. Достатньо передати її (або список метрик) як аргумент параметра metrics у xgb.cv().

Ваше завдання у цій вправі — обчислити ще одну поширену метрику для бінарної класифікації — площу під кривою ("auc"). Як і раніше, у вашому робочому середовищі доступні churn_data, а також DMatrix churn_dmatrix і словник параметрів params.

Ця вправа є частиною курсу

Екстремальний градієнтний бустинг з XGBoost

Переглянути курс

Інструкції до вправи

Виконайте 3-фолдну крос-валідацію з 5 бустинговими раундами та метрикою "auc".
Виведіть стовпець "test-auc-mean" з cv_results.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Perform cross_validation: cv_results
cv_results = ____(dtrain=____, params=____, 
                  nfold=____, num_boost_round=____, 
                  metrics="____", as_pandas=True, seed=123)

# Print cv_results
print(cv_results)

# Print the AUC
print((cv_results["____"]).iloc[-1])

Редагувати та запускати код