演变变量的性能
给定一个 basetable，其中包含 3 个常规预测变量，即 "gender_F"、"age"、"donations_2017"，以及一个演变变量 "donations_2017_min_2016"，该变量等于 2017 年捐赠次数减去 2016 年捐赠次数。
在本练习中，您将看到使用演变变量的附加价值。您将构建两个预测模型：一个使用已在 variables_regular 中为您给出的常规预测变量；另一个将 "donations_2017" 替换为 "donations_2017_min_2016"，这些变量已在 variables_evolution 中为您给出。逻辑回归模型已在 logreg 中为您初始化。使用常规变量的模型已实现，其 AUC 存储在 auc_regular 中。
本练习是课程的一部分
Python 预测分析进阶
练习说明
- 在
X_evolution中选择演变变量并拟合模型。 - 使用该模型对
X_evolution中所有观测调用.predict_proba()进行预测，并使用roc_auc_score()计算 AUC。 - 打印两个模型的 AUC 并进行比较。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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))