Decidere il numero di variabili

Introduzione alla Predictive Analytics in Python

Nele Verbiest, Ph.D

Data Scientist @PythonPredictions

Valutare l'AUC

auc_values = []
variables_evaluate = []

for v in variables_forward:
    variables_evaluate.append(v)
    auc_value = auc(variables_evaluate, ["target"], basetable)
    auc_values.append(auc_value)
Introduzione alla Predictive Analytics in Python

Valutare l'AUC

Introduzione alla Predictive Analytics in Python

Overfitting

Introduzione alla Predictive Analytics in Python

Rilevare l'overfitting

Introduzione alla Predictive Analytics in Python

Partizionamento

from sklearn.model_selection import train_test_split

X = basetable.drop("target", 1)
y = basetable["target"]

X_train, X_test, y_train, y_test = 
    train_test_split(X, y, test_size=0.4, stratify = Y)

train = pd.concat([X_train, y_train], axis=1)
test = pd.concat([X_test, y_test], axis=1)
Introduzione alla Predictive Analytics in Python

Decidere la soglia

  • AUC di test alta
  • Poche variabili
Introduzione alla Predictive Analytics in Python

Decidere la soglia

Introduzione alla Predictive Analytics in Python

Esercitiamoci!

Introduzione alla Predictive Analytics in Python

Preparing Video For Download...