Випадкова модель

У цій вправі ви відтворите базову лінію кривої кумулятивних виграшів, тобто криву кумулятивних виграшів випадкової моделі.

Для цього потрібно створити випадкові передбачення. Метод plot_cumulative_gain вимагає двох значень для кожного передбачення: одне для цілі 0 і одне для цілі 1. Ці значення мають у сумі давати 1, тож коректним списком передбачень може бути, наприклад, [(0.02,0.98),(0.27,0.73),...,(0.09,0.91)].

У Python можна згенерувати випадкове значення між a та b так:

import random
random_value = random.uniform(a,b)

Ця вправа є частиною курсу

Вступ до прогностичної аналітики в Python

Переглянути курс

Інструкції до вправи

Імпортуйте модулі random, matplotlib і scikitplot.
Створіть список random_predictions, що містить випадкові числа між 0 і 1.
Перетворіть список random_predictions так, щоб він містив кортежі (r,a), де r — початкове значення зі списку, а a таке, що \(r+a=1\).
Справжні значення цілі зберігаються в targets_test. Побудуйте графік кумулятивних виграшів для вашої випадкової моделі.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import the modules
import ____
import ____ as plt
import ____ as skplt

# Generate random predictions
random_predictions = [random.uniform(____,____) for _ in range(len(targets_test))]

# Adjust random predictions
random_predictions = [(r, ____ - ____) for r in random_predictions]

# Plot the cumulative gains graph
skplt.metrics.plot_cumulative_gain(targets_test, ____)
plt.show()

Редагувати та запускати код