1. Learn
    2. /
  2. Courses
    3. /
  3. Prediktivní analytika pomocí síťových dat v R
Connected

Exercise

Kolektivní inference

Kolektivní inference je postup, při němž se uzly v propojených datech označují současně, čímž se snižuje chyba klasifikace.

V tomto cvičení provedeme kolektivní inferenci a podíváme se, jaký vliv má na předpověď odchodu zákazníků pomocí metriky AUC. AUC neboli plocha pod ROC křivkou se běžně používá k hodnocení výkonnosti klasifikačních metod.

  • AUC = pravděpodobnost, že model zařadí náhodně vybraného zákazníka, který odejde, výše než náhodně vybraného zákazníka, který neodejde
  • AUC = číslo mezi 0,5 a 1, přičemž vyšší hodnota znamená lepší model

Zvyšuje kolektivní inference hodnotu AUC?

Instructions

100 XP
  • Vypočítej AUC klasifikátoru relačních sousedů zavoláním funkce auc z balíčku pROC – jako skutečné hodnoty použij označení odchodu customers$churn a jako predikované hodnoty vektor churnProb.
  • Napiš smyčku for, ve které desetkrát spustíš pravděpodobnostní klasifikátor relačních sousedů a výsledek v každé iteraci znovu přiřadíš do vektoru churnProb.
  • Znovu vypočítej AUC s aktualizovaným vektorem churnProb.