Порівняння моделей плинності кадрів

У цій вправі ваше завдання — порівняти збалансовану та незбалансовану (стандартну) моделі, використовуючи обрізане дерево (max_depth=7). Незбалансовану модель уже побудовано та оцінено за recall і ROC/AUC. Виконайте ті самі кроки для збалансованої моделі.

Змінні features_train, target_train, features_test і target_test уже доступні у вашому середовищі.
Незбалансовану модель уже навчено для вас, а її передбачення збережено в prediction.
Функції recall_score() і roc_auc_score() уже імпортовано для вас.

Ця вправа є частиною курсу

HR Analytics: прогнозування плинності персоналу в Python

Переглянути курс

Інструкції до вправи

Ініціалізуйте збалансовану модель, встановивши максимальну глибину 7 і зерно випадковості 42.
Навчіть її на тренувальній частині, використовуючи тренувальний набір.
Зробіть передбачення на тестовому наборі.
Виведіть оцінку recall і значення ROC/AUC.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Print the recall score
print(recall_score(target_test,prediction))
# Print the ROC/AUC score
print(roc_auc_score(target_test,prediction))

# Initialize the model
model_depth_7_b = 
# Fit it to the training component
model_depth_7_b.fit(____,____)
# Make prediction using test component
prediction_b = 
# Print the recall score for the balanced model
print(____)
# Print the ROC/AUC score for the balanced model
print(____)

Редагувати та запускати код