Ajuste dentro de la muestra: modelo completo

Toca volver a programar, lo que significa regresar al conjunto de datos del ejercicio defaultData.

Ahora quieres saber cómo se comporta tu modelo calculando la exactitud (accuracy). Para ello, primero necesitas una matriz de confusión.

Empieza con logitModelFull. El modelo ya está especificado y está disponible en tu entorno.

Este ejercicio forma parte del curso

Machine Learning para analítica de marketing en R

Ver curso

Instrucciones del ejercicio

Usa predict() para obtener la probabilidad de que cada cliente incumpla su pago.
Para construir la matriz de confusión, utiliza la función confusion.matrix() de SDMTools. Ten en cuenta que SDMTools ya no se puede descargar desde CRAN. Así que, si quieres practicar en tu ordenador, puedes instalar el paquete con remotes::install_version("SDMTools", "1.1-221.2"), que instalará la versión de SDMTools usada en este curso.
Elige un umbral común de 0.5.
Calcula la exactitud utilizando la matriz de confusión.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Make predictions using the full Model
defaultData$predFull <- predict(logitModelFull, type = ___, na.action = ___)

# Construct the in-sample confusion matrix
confMatrixModelFull <- confusion.matrix(defaultData$___,defaultData$___, threshold = ___)
confMatrixModelFull

# Calculate the accuracy for the full Model
accuracyFull <- sum(diag(___)) / ___(___)
accuracyFull

Editar y ejecutar código