1. Learn
    2. /
  2. Курси
    3. /
  3. Вступ до прогностичної аналітики в Python
Connected

Вправа

Побудова кривих AUC

Процедура покрокового (forward stepwise) відбору змінних задає порядок, у якому змінні оптимально додаються до набору предикторів. Щоб визначити, де зупинитися, можна побудувати криві AUC для тренувальних і тестових даних. Ці криві відображають тренувальний і тестовий AUC, обчислений для перших однієї, двох, трьох, … змінних у моделі.

У цій вправі ви навчитеся будувати ці криві AUC. Метод auc_train_test для обчислення значень AUC уже реалізовано для вас і його можна використовувати так: 

auc_train, auc_test = auc_train_test(variables, target, train, test)

де variables — це набір змінних, використаних у моделі логістичної регресії, target — список із назвою цільової змінної, а train і test — це відповідно тренувальна та тестова базові таблиці.

Змінні, відсортовані за процедурою покрокового відбору, наведено у списку variables. Ви можете переглянути його в консолі. Додатково для вас визначено три порожні списки:

  • auc_values_train, у який на кожній ітерації додаватимуться значення тренувального AUC моделі
  • auc_values_test, у який на кожній ітерації додаватимуться значення тестового AUC моделі
  • variables_evaluate, у який на кожній ітерації додаватимуться змінні, що оцінювалися

Інструкції

100 XP
  • Проітерайтеся змінними.
  • На кожній ітерації додайте наступну змінну зі variables до variables_evaluate.
  • На кожній ітерації обчисліть тренувальний і тестовий AUC за допомогою методу auc_train_test. Датафрейми train і test містять відповідно тренувальні та тестові дані.
  • На кожній ітерації додайте обчислені значення до auc_values_train і auc_values_test