Altre metriche del modello

Marketing Analytics: Prevedere il churn dei clienti in Python

Mark Peterson

Director of Data Science, Infoblox

Soglie di probabilità

Ogni previsione del classificatore ha una probabilità associata
Soglia predefinita in scikit-learn: 50%

E se variamo questa soglia?

Curva ROC parte 1

Curva ROC parte 2

Curva ROC parte 3

Curva ROC parte 4

Curva ROC parte 5

Curva ROC parte 6

Curva ROC parte 7

Curva ROC parte 8

Generare probabilità in sklearn

logreg.predict_proba(X_test)[:,1]

array([[0.80188981, 0.19811019],
       [0.96484075, 0.03515925],
       [0.9182671 , 0.0817329 ],
       ...,

y_pred_prob = logreg.predict_proba(X_test)[:,1]

Curva ROC in sklearn

from sklearn.metrics import roc_curve

fpr, tpr, thresholds = roc_curve(y_test, y_pred_prob)

import matplotlib.pyplot as plt

plt.plot(fpr, tpr)

plt.xlabel("False Positive Rate")

plt.ylabel("True Positive Rate")

plt.plot([0, 1], [0, 1], "k--")

plt.show()

Area sotto la curva

from sklearn.metrics import roc_auc_score

auc = roc_auc_score(y_test, y_pred)

Esercizi!

Marketing Analytics: Prevedere il churn dei clienti in Python