Tvorba diskriminativnějších modelů

V předchozím cvičení byl rozsah predikovaných pravděpodobností defaultu poměrně malý. Jak jsme si řekli, nízké predikované pravděpodobnosti defaultu jsou při nízkých mírách defaultu očekávatelné – ale větší modely (tedy modely s více prediktory) dokážou tento rozsah rozšířit.

Zda to nakonec povede k lepším predikcím, je třeba ověřit a záleží na kvalitě nově přidaných prediktorů. Nejdřív se ale podívejme, jak větší modely dokážou rozsah predikcí rozšířit.

Toto cvičení je součástí kurzu

Modelování kreditního rizika v R

Zobrazit kurz

Pokyny k cvičení

Vytvoř log_model_full stejným způsobem jako log_model_small, tentokrát ale zahrň všechny dostupné prediktory v datové sadě. Pokud nechceš vypisovat názvy všech sloupců zvlášť, můžeš jednoduše vybrat všechny proměnné pomocí loan_status ~ .
Vytvoř vektor predikcí predictions_all_full pro všechny záznamy v testovací sadě pomocí funkce predict(). Všimni si, že tyto hodnoty představují pravděpodobnost defaultu.
Podívej se na rozsah predikcí.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Change the code below to construct a logistic regression model using all available predictors in the data set
log_model_small <- glm(loan_status ~ age + ir_cat, family = "binomial", data = training_set)

# Make PD-predictions for all test set elements using the the full logistic regression model


# Look at the predictions range

Upravit a spustit kód