Vi phạm mốc thời gian
Để minh họa tầm quan trọng của trục thời gian, hãy xem một ví dụ bạn vi phạm mốc thời gian khi dùng thông tin từ giai đoạn mục tiêu để xây dựng các biến dự báo.
Có hai cột trong pandas dataframe basetable: "amount_2017" là tổng số tiền quyên góp trong năm 2017, và "target" bằng 1 nếu tổng này lớn hơn 30, ngược lại là 0.
Hãy xây dựng một mô hình hồi quy logistic sử dụng "amount_2017" làm biến dự báo duy nhất để dự đoán biến đích, và tính AUC.
Bài tập này là một phần của khóa học
Phân tích dự đoán nâng cao với Python
Hướng dẫn bài tập
- Tạo dataframe
Xchứa biến dự báo và dataframeychứa biến đích. - Huấn luyện mô hình hồi quy logistic sao cho
yđược dự đoán từX. Xây dựng mô hình hồi quy logistic sử dụngamount_2017làm biến dự báo duy nhất để dự đoántarget. - Tạo dự đoán cho các đối tượng trong
X. - Tính và in ra AUC của mô hình này bằng hàm
roc_auc_score.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Select the relevant predictors and the target
X = basetable[["____"]]
y = basetable[["____"]]
# Build the logistic regression model
logreg = linear_model.LogisticRegression()
logreg.____(____, ____)
# Make predictions for X
predictions = logreg.____(____)[:,1]
# Calculate and print the AUC value
auc = ____(____, ____)
print(round(auc, 2))