Crear modelos más discriminativos

En el ejercicio anterior, el rango de las probabilidades predichas de impago era bastante pequeño. Como comentamos, probabilidades de impago pequeñas son de esperar cuando la tasa de impago es baja, pero construir modelos más grandes (que básicamente significa incluir más predictores) puede ampliar el rango de tus predicciones.

Si esto llevará finalmente a predicciones mejores todavía hay que validarlo y depende de la calidad de los nuevos predictores incluidos. Pero primero, observa cómo los modelos más grandes pueden ampliar el rango.

Este ejercicio forma parte del curso

Modelización del riesgo de crédito en R

Ver curso

Instrucciones del ejercicio

Crea log_model_full del mismo modo que creaste log_model_small, pero esta vez incluye todos los predictores disponibles del conjunto de datos. Si no quieres escribir el nombre de cada columna por separado, puedes seleccionar todas las variables usando loan_status ~ .
Crea tu vector de predicciones predictions_all_full para todos los casos del conjunto de prueba usando predict(). Fíjate en que estos valores representan la probabilidad de impago.
Observa el rango de las predicciones.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Change the code below to construct a logistic regression model using all available predictors in the data set
log_model_small <- glm(loan_status ~ age + ir_cat, family = "binomial", data = training_set)

# Make PD-predictions for all test set elements using the the full logistic regression model


# Look at the predictions range

Editar y ejecutar código