Hledání optimálního prahu
Představ si, že spouštíš kampaň s cílem zabránit zákazníkům v defaultu. Pomocí svých predikcí můžeš kampaň přesněji zacílit. Klíčovou roli přitom hraje volba prahu – pokud znáš náklady a přínosy kampaně, můžeš empiricky zjistit, který práh je nejvýhodnější. V tomto cvičení pracujeme s následujícím scénářem:
Pokud zákazník díky naší kampani k defaultu nedojde, tedy pokud jsme default správně předpověděli (true positive), získáme odměnu 1 000 €. Pokud ale kampaň zacílíme na zákazníka, který by k defaultu stejně nedošel, tedy pokud jsme default předpověděli chybně (false positive), neseme náklady 250 €.
Z předchozího cvičení víme, že nejlepší byl omezený model. Proto počítej optimální práh jen pro něj. Predikce jsou uloženy ve sloupci predNew dataframu defaultData. Použij balíček SDMTools.
Toto cvičení je součástí kurzu
Machine Learning for Marketing Analytics in R
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
library(SDMTools)
# Confusion matrix with threshold 0.5
confMat <- confusion.matrix(defaultData$PaymentDefault,
defaultData$predNew,
threshold = ___)
confMat