Probabilistic Relational Neighbor Classifier

In dieser Übung wendest du den probabilistic relational neighbor classifier an, um Kündigungswahrscheinlichkeiten auf Basis der vorherigen Kündigungswahrscheinlichkeit der anderen Knoten zu bestimmen.

Angenommen, du kennst statt der Labels der Knoten die Kündigungswahrscheinlichkeit jedes Knotens, wie im Bild unten. Im Bild steht C für Kündiger und NC für Nicht-Kündiger. Dann kannst du – wie zuvor – die Kündigungswahrscheinlichkeit der Knoten aktualisieren, indem du den Durchschnitt der Kündigungswahrscheinlichkeiten der Nachbarknoten bildest.
Probabilistic relational neighbor classifier

Diese Übung ist Teil des Kurses

Predictive Analytics mit vernetzten Daten in R

Kurs anzeigen

Anleitung zur Übung

Ermittle die Kündigungswahrscheinlichkeit des 44. Kunden im Vektor churnProb.
Aktualisiere die Kündigungswahrscheinlichkeit, indem du AdjacencyMatrix mit churnProb multiplizierst und durch den Vektor neighbors teilst, der die Größen der Nachbarschaften enthält. Wir haben as.vector() um die Matrixoperationen ergänzt. Weise das Ergebnis churnProb_updated zu.
Ermittle die aktualisierte Kündigungswahrscheinlichkeit des 44. Kunden im Vektor churnProb_updated.
Was ist mit der Kündigungswahrscheinlichkeit des 44. Kunden passiert?

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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[___]

Code bearbeiten und ausführen