Крива виграшу для оцінювання моделі безробіття

У попередній вправі ви побудували прогнози для female_unemployment і візуалізували прогнози та залишки. Тепер ви також побудуєте криву виграшу для прогнозів моделі unemployment_model порівняно з фактичними значеннями female_unemployment, використовуючи функцію WVPlots::GainCurvePlot() (docs).

У ситуаціях, коли порядок важливіший за точні значення, крива виграшу допомагає перевірити, чи сортують прогнози моделі в тому самому порядку, що й справжній результат.

Виклики функції GainCurvePlot() мають вигляд:

GainCurvePlot(frame, xvar, truthvar, title)

де

frame — це датафрейм
xvar і truthvar — це рядки з назвами стовпців датафрейму frame для прогнозу та фактичного результату
title — заголовок графіка

Коли прогнози впорядковані в точно такому самому порядку, відносний коефіцієнт Джині дорівнює 1. Коли модель упорядковує погано, відносний коефіцієнт Джині близький до нуля або навіть від'ємний.

Датафрейм unemployment, який також містить прогнози, і модель unemployment_model доступні для використання.

Ця вправа є частиною курсу

Кероване навчання в R: регресія

Переглянути курс

Інструкції до вправи

Завантажте пакет WVPlots за допомогою library().
Побудуйте криву виграшу. Задайте графіку заголовок "Unemployment model". Чи правильно модель впорядковує прогнози?

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# unemployment (with predictions) is available
summary(unemployment)

# unemployment_model is available
summary(unemployment_model)

# Load the package WVPlots
___

# Plot the Gain Curve
___(___, ___, ___, "Unemployment model")

Редагувати та запускати код