その他のモデル指標

マーケティングアナリティクス：Pythonで顧客解約を予測する

Mark Peterson

Director of Data Science, Infoblox

確率しきい値

分類器の各予測には確率が伴います
scikit-learn の既定しきい値: 50%

しきい値を変えるとどうなるか?

ROC 曲線パート1

ROC 曲線パート2

ROC 曲線パート3

ROC 曲線パート4

ROC 曲線パート5

ROC 曲線パート6

ROC 曲線パート7

ROC 曲線パート8

sklearn で確率を生成する

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]

sklearn で ROC 曲線

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()

曲線下面積（AUC）

from sklearn.metrics import roc_auc_score

auc = roc_auc_score(y_test, y_pred)

¡Vamos a practicar!

マーケティングアナリティクス：Pythonで顧客解約を予測する