Einen Cut-off festlegen
Wir haben dir gezeigt, wie die Festlegung eines Cut-offs den Unterschied machen kann, um eine gute Konfusionsmatrix zu erhalten. Jetzt lernst du, wie du den Vorhersagevektor in einen Vektor binärer Werte umwandelst, der den Status des Kredits angibt. Die Funktion ifelse() in R hilft dir dabei.
Wendest du die ifelse()-Funktion im Zusammenhang mit einem Cut-off an, sieht das etwa so aus:
ifelse(predictions > 0.3, 1, 0)
Im ersten Argument prüfst du, ob ein bestimmter Wert im Vorhersage-Vektor größer als 0,3 ist. Ist das TRUE, gibt R „1“ zurück (im zweiten Argument festgelegt), ist es FALSE, gibt R „0“ zurück (im dritten Argument festgelegt) – entsprechend für „default“ und „no default“.
Diese Übung ist Teil des Kurses
<Kurs>Kreditrisikomodellierung in R</Kurs>Übungsanweisungen
- Der Code für das vollständige logistische Regressionsmodell zusammen mit dem Vorhersage-Vektor ist in deiner Konsole gegeben.
- Verwende einen Cutoff von 0,15 und erstelle den Vektor
pred_cutoff_15mit der Funktionifelse()undpredictions_all_full. - Schau dir die Konfusionsmatrix mit
table()an (gib die wahren Werte, alsotest_set$loan_status, als erstes Argument ein).
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# The code for the logistic regression model and the predictions is given below
log_model_full <- glm(loan_status ~ ., family = "binomial", data = training_set)
predictions_all_full <- predict(log_model_full, newdata = test_set, type = "response")
# Make a binary predictions-vector using a cut-off of 15%
# Construct a confusion matrix