Fit na trénovacích datech – omezený model

Přesnost modelu logitModelFull už máš spočítanou. Stejný krok je ale důležité provést pro všechny kandidátní modely.

V prostředí máš k dispozici specifikovaný model logitModelNew.

Až budeš porovnávat hodnoty přesnosti různých modelů: pokud mají dva modely stejnou přesnost, vždy upřednostni ten s menším počtem vysvětlujících proměnných.

Toto cvičení je součástí kurzu

Machine Learning for Marketing Analytics in R

Zobrazit kurz

Pokyny k cvičení

Proveď stejné kroky jako v předchozím cvičení, tentokrát pro nový model.
Pomocí predict() získej pravděpodobnost odchodu pro každého zákazníka.
Poté sestav matici záměn se stejným prahem klasifikace 0,5. Poznámka: balíček SDMTools již není dostupný přes CRAN. Nainstaluj ho pomocí remotes::install_version("SDMTools", "1.1-221.2").
Vypočítej přesnost omezeného modelu a porovnej ji s přesností plného modelu. V analýze budeš pokračovat pouze s lepším z nich.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Calculate the accuracy for 'logitModelNew'
# Make prediction
defaultData$predNew <- predict(logitModelNew, type = ___, na.action = ___)

# Construct the in-sample confusion matrix
confMatrixModelNew <- confusion.matrix(defaultData$___,defaultData$___, threshold = ___)
confMatrixModelNew

# Calculate the accuracy...
accuracyNew <- sum(diag(___)) / ___(___)
accuracyNew

# and compare it to the full model's accuracy
accuracyFull

Upravit a spustit kód