Determinarea numărului de variabile

Introducere în analitica predictivă în Python

Nele Verbiest, Ph.D

Data Scientist @PythonPredictions

Evaluarea 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)
Introducere în analitica predictivă în Python

Evaluarea AUC

Introducere în analitica predictivă în Python

Supraajustare

Introducere în analitica predictivă în Python

Detectarea supraajustării

Introducere în analitica predictivă în Python

Partiționare

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)
Introducere în analitica predictivă în Python

Alegerea pragului

  • AUC ridicat pe setul de test
  • Număr redus de variabile
Introducere în analitica predictivă în Python

Alegerea pragului

Introducere în analitica predictivă în Python

Să exersăm!

Introducere în analitica predictivă în Python

Preparing Video For Download...