Přejít k hlavnímu obsahu
🔒 Režim náhledu. Prvních patnáct lekcí Foundations je zdarma; tato je Pro. Spusťte 7denní trial pro odemčení editoru, AI nápověd a zbytku kurzu. Karta vyžadována, zrušte kdykoli v Dashboard.Spustit 7denní trial →
← KurzyData Science AppliedModul 4 · Kauzální vyvozování & A/B testováníPředpověď: ROC AUC pro perfektní hodnocenípredict57 / 104
+75 XP
Úkol
📝 **Otázka:** Jakou hodnotu ROC AUC vrací `roc_auc_score([0, 0, 1, 1], [0,1, 0,2, 0,7, 0,9])`? 📋 Vyberte správnou odpověď. 💡 **Tip:** Pokud si nejste jisti, přečtěte si znovu teorii výše.
Předpověz výstup

Přečti kód pozorně

from sklearn.metrics import roc_auc_score

# labels:  [0,   0,   1,   1  ]   (two negatives, two positives)
# scores:  [0.1, 0.2, 0.7, 0.9]
#
# AUC = P(score of random positive > score of random negative)
#
# Count the positive-negative score pairs and how many are correctly
# ordered. Divide.

print(roc_auc_score([0, 0, 1, 1], [0.1, 0.2, 0.7, 0.9]))

# What does this print? Type your prediction.

Co program vypíše? Napiš sem:

💬 Diskuze

Buď první — polož otázku nebo se podělej o tip.
Přihlas se abys se zapojil do diskuze. Čtení je zdarma.
Načítání diskuze…