Construir un modelo más sofisticado
Uno de los mejores indicadores de futuras donaciones es un historial de donaciones recientes, frecuentes y cuantiosas. En términos de marketing, esto se conoce como R/F/M:
- Recencia
- Frecuencia
- Dinero
Los donantes que no han dado ni recientemente ni con frecuencia pueden ser especialmente propensos a volver a dar; en otras palabras, el impacto combinado de la frecuencia y la recurrencia puede ser mayor que la suma de los efectos por separado.
Como estos predictores juntos tienen un mayor impacto en la variable dependiente, su efecto conjunto debe modelarse como una interacción. Se ha cargado para ti el conjunto de datos donors.
Este ejercicio forma parte del curso
Aprendizaje supervisado en R: Clasificación
Instrucciones de ejercicio
- Crea un modelo de regresión logística de
donateden función demoneymás la interacción derecencyyfrequency. Utiliza*para añadir el término de interacción. - Examina la
summary()del modelo para confirmar que se ha añadido el efecto de interacción. - Guarda las probabilidades predichas del modelo como
rfm_prob. Utiliza la funciónpredict(), y recuerda fijar el argumentotype. - Traza una curva ROC utilizando la función
roc(). Recuerda que esta función toma la columna de resultados y el vector de predicciones. - Calcula el AUC para el nuevo modelo con la función
auc()y compara el rendimiento con el modelo más sencillo.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# Build a recency, frequency, and money (RFM) model
rfm_model <- ___
# Summarize the RFM model to see how the parameters were coded
# Compute predicted probabilities for the RFM model
rfm_prob <- ___
# Plot the ROC curve and find AUC for the new model
library(pROC)
ROC <- ___
plot(___, col = "red")
auc(___)