Specifikace modelu

Funkce stepAIC() vrátí zredukovaný model, jak jsi viděl/a v předchozím videu. Teď tuto metodu aplikuješ na cvičný dataset defaultData.

Připravený dataset máš k dispozici ve svém prostředí. Navíc je načten balíček MASS a dříve sestavený logistický model logitModelFull je již definován. Měj na paměti, že jsme zmenšili velikost datasetu – postupný výběr proměnných může u větších datasetů a složitějších modelů trvat poměrně dlouho.

Toto cvičení je součástí kurzu

Machine Learning for Marketing Analytics in R

Zobrazit kurz

Pokyny k cvičení

Použij funkci stepAIC(). Nastav trace = 0, aby se nevypisoval průběh celého procesu výběru modelu. Výsledek ulož do objektu logitModelNew.
Pak použij funkci summary() a podívej se na logitModelNew. Případné varovné hlášení teď můžeš ignorovat. Prozkoumej, co se změnilo, a zhodnoť výsledky.
Vzorec je uložen v objektu, abys nemusel/a celou rovnici vypisovat znovu pokaždé, když ho budeš chtít použít.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

library(MASS)
# The old (full) model
logitModelFull <- glm(PaymentDefault ~ limitBal + sex + education + marriage +
                   age + pay1 + pay2 + pay3 + pay4 + pay5 + pay6 + billAmt1 + 
                   billAmt2 + billAmt3 + billAmt4 + billAmt5 + billAmt6 + payAmt1 + 
                   payAmt2 + payAmt3 + payAmt4 + payAmt5 + payAmt6, 
                 family = binomial, defaultData)

#Build the new model
logitModelNew <- stepAIC(___,___) 

#Look at the model
summary(logitModelNew) 

# Save the formula of the new model (it will be needed for the out-of-sample part) 
formulaLogit <- as.formula(summary(logitModelNew)$call)
formulaLogit

Upravit a spustit kód