Pravděpodobnostní klasifikátor relačních sousedů

V tomto cvičení použiješ pravděpodobnostní klasifikátor relačních sousedů k odvození pravděpodobností churn na základě předchozí pravděpodobnosti churn ostatních uzlů.

Místo znalosti štítků uzlů předpokládej, že znáš pravděpodobnost churn každého uzlu, jak je vidět na obrázku níže. V obrázku C označuje churn a NC označuje non-churn. Poté, stejně jako dříve, můžeš aktualizovat pravděpodobnost churn uzlů tak, že najdeš průměr pravděpodobností churn sousedních uzlů.
Probabilistic relational neighbor classifier

Toto cvičení je součástí kurzu

Prediktivní analytika pomocí síťových dat v R

Zobrazit kurz

Pokyny k cvičení

Najdi pravděpodobnost churn 44. zákazníka ve vektoru churnProb.
Aktualizuj pravděpodobnost churn vynásobením AdjacencyMatrix vektorem churnProb a vydělením vektorem neighbors, který obsahuje velikosti sousedství. Kolem maticových operací jsme přidali as.vector(). Výsledek přiřaď do churnProb_updated.
Najdi aktualizovanou pravděpodobnost churn 44. zákazníka ve vektoru churnProb_updated.
Co se stalo s pravděpodobností churn 44. zákazníka?

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Find churn probability of the 44th customer
churnProb[___]

# Update the churn probabilties and the non-churn probabilities
churnProb_updated <- as.vector((AdjacencyMatrix %*% ___) / ___)

# Find updated churn probability of the 44th customer
churnProb_updated[___]

Upravit a spustit kód