Корельовані змінні

Перші 10 змінних, які додано до моделі, такі:

['max_gift', 'number_gift', 'time_since_last_gift', 'mean_gift', 'income_high', 'age', 'country_USA', 'gender_F', 'income_low', 'country_UK']

Як бачите, min_gift не додано. Чи означає це, що це погана змінна? Ви можете перевірити корисність цієї змінної, використавши її в моделі як єдину змінну та обчисливши AUC. Як AUC для min_gift порівнюється з AUC для income_high? Для цього скористайтеся функцією auc():

auc(variables, target, basetable)

Буває, що хорошу змінну не додають, бо вона сильно корелює зі змінною, яка вже є в моделі. Це можна перевірити, обчисливши кореляцію між цими змінними:

import numpy
numpy.corrcoef(basetable["variable_1"],basetable["variable_2"])[0,1]

Ця вправа є частиною курсу

Вступ до прогностичної аналітики в Python

Переглянути курс

Інструкції до вправи

Обчисліть AUC моделі, використовуючи лише змінну min_gift.
Обчисліть AUC моделі, використовуючи лише змінну income_high.
Обчисліть кореляцію між змінною min_gift і mean_gift.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

import numpy as np

# Calculate the AUC of the model using min_gift only
auc_min_gift = auc([____], ["target"], ____)
print(round(auc_min_gift,2))

# Calculate the AUC of the model using income_high only
auc_income_high = ____([____], [____], ____)
print(round(auc_income_high,2))

# Calculate the correlation between min_gift and mean_gift
correlation = np.corrcoef(basetable["____"], basetable["____"])[0,1]
print(round(correlation,2))

Редагувати та запускати код