Relational Neighbor Classifier

In dieser Übung wendest du einen einfachen, netzwerkbasierten Klassifikator an: den relational neighbor classifier. Er nutzt die Klassenlabels der Nachbarknoten, um für jeden Knoten im Netzwerk eine Churn-Wahrscheinlichkeit zu berechnen.
Im untenstehenden Netzwerk, in dem rote Knoten Kündiger und weiße Knoten Nicht-Kündiger darstellen, beträgt die Churn-Wahrscheinlichkeit des blauen Knotens 0,4.

Relational neighbor classifier

Du bekommst zwei Vektoren: ChurnNeighbors und NonChurnNeighbors, die für jeden Kunden die Anzahl der Nachbarn enthalten, die gekündigt bzw. nicht gekündigt haben.

Diese Übung ist Teil des Kurses

Predictive Analytics mit vernetzten Daten in R

Kurs anzeigen

Anleitung zur Übung

Berechne die Churn-Wahrscheinlichkeit jedes Kunden, churnProb, mit dem relational neighbor classifier.
Nutze which(), um die Kunden mit der höchsten Churn-Wahrscheinlichkeit zu finden. Nenne diesen Vektor mostLikelyChurners.
Verwende mostLikelyChurners, um die IDs der Kunden mit der höchsten Churn-Wahrscheinlichkeit zu ermitteln.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Compute the churn probabilities
churnProb <- ___ / (ChurnNeighbors + ___)

# Find who is most likely to churn
mostLikelyChurners <- which(churnProb == ___(churnProb))

# Extract the IDs of the most likely churners
customers$id[___]

Code bearbeiten und ausführen