1. Learn
    2. /
  2. Курси
    3. /
  3. Кероване навчання зі scikit-learn
Connected

вправа

ROC AUC

Крива ROC, яку ви побудували у попередній вправі, виглядала багатообіцяльно.

Тепер обчисліть площу під ROC-кривою, а також інші метрички класифікації, з якими ви вже працювали.

Функції confusion_matrix і classification_report уже попередньо завантажені для вас, так само як і побудована раніше модель logreg, а також X_train, X_test, y_train, y_test. Крім того, передбачені мітки для тестової вибірки збережено в y_pred, а ймовірності належності спостережень тестової вибірки до позитивного класу — у y_pred_probs.

Модель knn також створено, а її показники виведено в консоль, тож ви можете порівняти roc_auc_score, confusion_matrix і classification_report для двох моделей.

Інструкції

100 XP
  • Імпортуйте roc_auc_score.
  • Обчисліть і виведіть ROC AUC, передавши мітки тестової вибірки та ймовірності позитивного класу.
  • Обчисліть і виведіть матрицю неточностей (confusion matrix).
  • Викличте classification_report().