अन्य मॉडल मेट्रिक्स

Marketing Analytics: Python में Customer Churn की भविष्यवाणी

Mark Peterson

Director of Data Science, Infoblox

Probability thresholds

आपका क्लासिफायर हर prediction के साथ एक probability देता है
scikit-learn में डिफॉल्ट probability threshold: 50%

अगर हम threshold बदलें तो क्या होता है?

ROC कर्व भाग 1

ROC कर्व भाग 2

ROC कर्व भाग 3

ROC कर्व भाग 4

ROC कर्व भाग 5

ROC कर्व भाग 6

ROC कर्व भाग 7

ROC कर्व भाग 8

sklearn में probabilities जनरेट करना

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 में ROC कर्व

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()

कर्व के नीचे का क्षेत्रफल

from sklearn.metrics import roc_auc_score

auc = roc_auc_score(y_test, y_pred)

अभ्यास करते हैं!

Marketing Analytics: Python में Customer Churn की भविष्यवाणी