相关变量
加入模型的前 10 个变量如下：
['max_gift', 'number_gift', 'time_since_last_gift', 'mean_gift', 'income_high', 'age', 'country_USA', 'gender_F', 'income_low', 'country_UK']
如您所见，min_gift 并未被加入。这是否意味着它是一个不好的变量？您可以通过将其作为单一变量用于模型并计算 AUC 来检验该变量的表现。min_gift 的 AUC 与 income_high 的 AUC 相比如何？为此，您可以使用函数 auc()：
auc(variables, target, basetable)
有时一个好的变量不会被加入，是因为它与已在模型中的变量高度相关。您可以通过计算这些变量之间的相关性来检验这一点：
import numpy
numpy.corrcoef(basetable["variable_1"],basetable["variable_2"])[0,1]
本练习是课程的一部分
Python 预测分析入门
练习说明
- 仅使用变量
min_gift计算模型的 AUC。 - 仅使用变量
income_high计算模型的 AUC。 - 计算变量
min_gift与mean_gift之间的相关性。
交互式实操练习
通过完成这段示例代码来试试这个练习。
import numpy as np
# Calculate the AUC of the model using min_gift only
auc_min_gift = auc([____], ["target"], ____)
print(round(auc_min_gift,2))
# Calculate the AUC of the model using income_high only
auc_income_high = ____([____], [____], ____)
print(round(auc_income_high,2))
# Calculate the correlation between min_gift and mean_gift
correlation = np.corrcoef(basetable["____"], basetable["____"])[0,1]
print(round(correlation,2))