演變變數的效能
給定一個 basetable，其中包含 3 個一般的預測變數：「gender_F」、「age」、「donations_2017」，以及一個演變變數「donations_2017_min_2016」，其內容為 2017 年的捐款次數減去 2016 年的捐款次數。
在這個練習中，你會看到使用演變變數的額外價值。你將建立兩個預測模型：一個使用已在 variables_regular 中提供的一般預測變數；另一個將「donations_2017」以「donations_2017_min_2016」取代，這些變數已在 variables_evolution 中提供。羅吉斯迴歸模型已為你初始化在 logreg。使用一般變數的模型已經實作完成，其 AUC 在 auc_regular 中。
本練習屬於課程
Python 中級預測分析
練習說明
- 在
X_evolution中選取演變變數並擬合模型。 - 使用此模型對
X_evolution中所有觀測值呼叫.predict_proba()產生預測，並使用roc_auc_score()計算 AUC。 - 列印兩個模型的 AUC 並加以比較。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Select the evolution variables and fit the model
X_evolution = ____[____]
logreg.fit(____, y)
# Make predictions and calculate the AUC
predictions_evolution = logreg.____(____)[:,1]
auc_evolution = ____(____, ____)
# Print the respective AUC values
print(round(auc_regular, 2))
____(round(____, 2))