Ajuste dentro de la muestra: modelo restringido

Ya calculaste la exactitud para logitModelFull. Es muy importante hacerlo con todos los modelos candidatos.

Por ello, logitModelNew está especificado y disponible en tu entorno.

Al comparar los valores de los distintos modelos entre sí: si varios modelos tienen la misma exactitud, elige siempre el modelo con menos variables explicativas.

Este ejercicio forma parte del curso

Machine Learning para analítica de marketing en R

Ver curso

Instrucciones del ejercicio

Repite los mismos pasos que en el ejercicio anterior para el nuevo modelo.
Usa predict() para obtener la probabilidad de que cada cliente entre en impago.
Después, calcula una matriz de confusión con el mismo umbral de 0.5 para la clasificación. Ten en cuenta que SDMTools ya no puede descargarse desde CRAN. Instálalo en su lugar con remotes::install_version("SDMTools", "1.1-221.2").
Calcula la exactitud del modelo restringido y compárala con la exactitud del modelo completo. Continuarás tu análisis solo con el modelo superior.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Calculate the accuracy for 'logitModelNew'
# Make prediction
defaultData$predNew <- predict(logitModelNew, type = ___, na.action = ___)

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

# Calculate the accuracy...
accuracyNew <- sum(diag(___)) / ___(___)
accuracyNew

# and compare it to the full model's accuracy
accuracyFull

Editar y ejecutar código