Weitere Modellreduktion?

Durch das Entfernen der Variable loan_amnt lässt sich die AUC weiter auf 0,6548 verbessern! Das resultierende Modell lautet:

log_4_remove_amnt <- glm(loan_status ~ grade + annual_inc + emp_cat, family = binomial, data = training_set)

Lässt sich das logistische Regressionsmodell auf nur zwei Variablen reduzieren, ohne die AUC zu verringern? In dieser Übung findest du es heraus!

Diese Übung ist Teil des Kurses

<Kurs>Kreditrisikomodellierung in R</Kurs>

Kurs ansehen

Übungsanweisungen

Lösche erneut jeweils eine Variable im Modell log_4_remove_amnt. Denk daran, dass du die Standard-Linkfunktion (Logit) verwendest.
Verwende predict(), um für jedes von dir erstellte Modell Ausfallwahrscheinlichkeiten vorherzusagen.
Ermittele die AUCs für jedes der drei Modelle, wobei test_set$loan_status das erste Argument ist und die Vorhersagen der drei Modelle jeweils das zweite Argument.
Zeichne die ROC-Kurve für das Modell mit der höchsten AUC in deinem Workspace mit plot(roc()). Der Inhalt von roc() ist derselbe wie für die Funktion auc() mit der höchsten AUC. Beachte, dass es möglich ist, dass die AUC gegenüber dem Modell log_4_remove_amnt nicht weiter reduziert werden kann. Die Vorhersagen für dieses Modell sind in deinem Workspace als pred_4_remove_amnt geladen, falls dieses Modell die höchste AUC liefert.

Interaktive praktische Übung

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

# Build three models each time deleting one variable in log_4_remove_amnt
log_5_remove_grade <- glm(loan_status ~ annual_inc + emp_cat, family = binomial, data = training_set) 
log_5_remove_inc <- 
log_5_remove_emp <- 

# Make PD-predictions for each of the models
pred_5_remove_grade <- predict(log_5_remove_grade, newdata = test_set, type = "response")
pred_5_remove_inc <-
pred_5_remove_emp <-

# Compute the AUCs



# Plot the ROC-curve for the best model here

Code bearbeiten und ausführen