Choisir le nombre de variables

Introduction à l'analytique prédictive en Python

Nele Verbiest, Ph.D

Data Scientist @PythonPredictions

Évaluer 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)
Introduction à l'analytique prédictive en Python

Évaluer l'AUC

Introduction à l'analytique prédictive en Python

Surapprentissage

Introduction à l'analytique prédictive en Python

Détecter le surapprentissage

Introduction à l'analytique prédictive en Python

Partitionnement

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)
Introduction à l'analytique prédictive en Python

Fixer le seuil

  • AUC test élevée
  • Peu de variables
Introduction à l'analytique prédictive en Python

Fixer le seuil

Introduction à l'analytique prédictive en Python

Passons à la pratique !

Introduction à l'analytique prédictive en Python

Preparing Video For Download...