LoslegenKostenlos starten

Klassifikationen

Das Management der Brauerei kann mit „Kaufwahrscheinlichkeiten“ nicht viel anfangen. Es möchte ein Modell, das Käufe vorhersagt. Eine Möglichkeit ist, die vorhergesagten Wahrscheinlichkeiten in vorhergesagte Kaufereignisse für Hoppiness zu klassifizieren.

Die vorhergesagten Kaufwahrscheinlichkeiten erhältst du, indem du die Funktion fitted() auf das Objekt extended.model anwendest. Du klassifizierst die Vorhersagen naiv als 1, wenn die vorhergesagte Kaufwahrscheinlichkeit größer als 0.5 ist, sonst als 0. Das geht mit der Funktion ifelse(). Anschließend fasst du die klassifizierten Kaufereignisse mit der Funktion table() zusammen. Die relative Anzahl der Kaufereignisse erhältst du zusätzlich mit mean().

Diese Übung ist Teil des Kurses

<Kurs>Response-Modelle in R erstellen</Kurs>
Kurs ansehen

Übungsanweisungen

  • Ermittle die Modellvorhersagen aus dem Objekt extended.model mit der Funktion fitted(). Verwende ifelse(), um die Vorhersagen als 1 zu klassifizieren, wenn die vorhergesagte Kaufwahrscheinlichkeit größer als 0.5 ist, sonst als 0. Weise das Ergebnis einem Objekt predicted zu.
  • Ermittle die Anzahl der Kaufereignisse mit der Funktion table().
  • Ermittle die relative Anzahl der Kaufereignisse mit der Funktion mean()

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Classify the predictions
predicted <- ___(___(extended.model) >= ___, ___, ___)

# Obtain the number of purchase events


# Obtain the relative number of purchase events
Code bearbeiten und ausführen