計算 ROC 曲線與 AUC
先前的練習已經說明，在類別不平衡的資料集上，用準確率來衡量模型效能非常容易誤導。把模型效能視覺化，能更清楚看出「過於積極」與「過於保守」之間的取捨。
在這個練習中，你會建立 ROC 曲線，並計算曲線下面積（AUC），來評估你先前建立的捐款 Logistic 迴歸模型。
donors 資料集以及包含預測機率的欄位 donation_prob 都已為你載入。
本練習屬於課程
R 監督式學習：分類
練習說明
- 載入
pROC套件。 - 使用
roc()以及實際捐款與預測機率的欄位建立 ROC 曲線，並將結果存為ROC。 - 使用
plot()繪製ROC物件，並指定col = "blue"讓曲線呈現藍色。 - 使用
auc()計算曲線下面積。
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。
# Load the pROC package
# Create a ROC curve
ROC <- roc(___, ___)
# Plot the ROC curve
plot(___, col = ___)
# Calculate the area under the curve (AUC)
auc(___)