右側顯示的是上一個練習產生的 ROC 曲線。從視覺上看起來，這個模型表現不錯。現在用計算曲線下面積來量化它的表現。
本練習屬於課程
試著完成這個範例程式碼，體驗一下這個練習。
# Import roc_auc_score
開始使用 pandas 探索 Telco Churn Dataset，計算摘要統計，並用 Seaborn 建立具吸引力的視覺化圖表。
在探索過資料之後，現在該進行前處理，為機器學習做好準備。學習前處理的原因、內容與方法，包括特徵選擇與特徵工程。
當資料完成前處理並可用於機器學習後，就來進行流失預測吧！學習如何在 Python 中使用 scikit-learn 建立監督式學習模型。
當前練習
學習如何透過超參數調校來提升模型效能，並更深入理解驅動客戶流失的因素，好帶回業務端應用。