Крива ROC
Тепер, коли ви побудували модель логістичної регресії для передбачення наявності діабету, можна побудувати криву ROC, щоб побачити, як змінюються частка істинно позитивних і частка хибно позитивних спрацьовувань залежно від порога прийняття рішення.
Мітки тестової вибірки y_test і ймовірності належності тестових спостережень до позитивного класу y_pred_probs уже завантажено. Також імпортовано matplotlib.pyplot як plt.
Ви створите криву ROC, а потім проінтерпретуєте результат.
Ця вправа є частиною курсу
Кероване навчання зі scikit-learn
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Import roc_curve
____
# Generate ROC curve values: fpr, tpr, thresholds
fpr, tpr, thresholds = ____(____, ____)
plt.plot([0, 1], [0, 1], 'k--')
# Plot tpr against fpr
plt.plot(____, ____)
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('ROC Curve for Diabetes Prediction')
plt.show()