เมตริกอื่น ๆ ของโมเดล

Marketing Analytics: การพยากรณ์การเลิกใช้บริการของลูกค้าด้วย Python

Mark Peterson

Director of Data Science, Infoblox

Probability thresholds

ทุกการทำนายของตัวแยกประเภทจะมีค่าความน่าจะเป็นกำกับไว้
ค่าเริ่มต้นของ threshold ใน scikit-learn: 50%

จะเกิดอะไรขึ้นหากปรับ threshold นี้?

ROC curve ส่วนที่ 1

ROC curve ส่วนที่ 2

ROC curve ส่วนที่ 3

ROC curve ส่วนที่ 4

ROC curve ส่วนที่ 5

ROC curve ส่วนที่ 6

ROC curve ส่วนที่ 7

ROC curve ส่วนที่ 8

การสร้างค่าความน่าจะเป็นใน 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]

ROC curve ใน 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()

พื้นที่ใต้เส้นโค้ง

from sklearn.metrics import roc_auc_score

auc = roc_auc_score(y_test, y_pred)

มาฝึกกันเถอะ!

Marketing Analytics: การพยากรณ์การเลิกใช้บริการของลูกค้าด้วย Python