在测试集和训练集上评估模型

函数 auc_train_test 会计算在 train 集上训练、在 test 集上评估的模型的 AUC：

auc_train, auc_test = auc_train_test(variables, target, train, test)

其中，variables 是模型中使用的变量名列表。

在本练习中，您将调用此函数，并检查训练集和测试集的 AUC 是否相近。

本练习是课程的一部分

Python 预测分析入门

查看课程

练习说明

已加载 basetable。请划分数据，使训练集包含 70% 的数据，并确保训练集与测试集的目标变量发生率相同。
使用 auc_train_test 函数，以上述划分为基础，计算以 "age" 和 "gender_F" 为自变量的模型在训练集与测试集上的 AUC。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Load the partitioning module
from sklearn.model_selection import train_test_split

# Create DataFrames with variables and target
X = basetable.drop('target', 1)
y = basetable["target"]

# Carry out 70-30 partititioning with stratification
X_train, X_test, y_train, y_test = ____(X, y, test_size = ____, stratify = ____)

# Create the final train and test basetables
train = pd.concat([X_train, y_train], axis=1)
test = pd.concat([X_test, y_test], axis=1)

 # Apply the auc_train_test function
auc_train, auc_test = ____([____, ____], ["target"], ____, ____)
print(round(auc_train,2))
print(round(auc_test,2))

编辑并运行代码