Крива ROC
Тепер створімо криву ROC для нашого класифікатора random forest. Спершу обчисліть імовірності класів, які повертає класифікатор для кожної мітки, за допомогою методу .predict_proba(). Далі скористайтеся функцією roc_curve зі sklearn.metrics, щоб обчислити частку хибнопозитивних і частку істинно позитивних класифікацій, а потім побудуйте графік за допомогою matplotlib.
RandomForestClassifier, натренований на 70% даних, уже навчено на наборі даних і доступний у вашому робочому середовищі як clf.
Ця вправа є частиною курсу
Маркетингова аналітика: прогнозування відтоку клієнтів у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Generate the probabilities
y_pred_prob = ____.____(____)[:, 1]