CommencezCommencez gratuitement

Classifications

La direction de la brasserie ne peut pas vraiment travailler avec des « probabilités d'achat ». Elle veut un modèle qui prédise des achats. Une façon d'y arriver est de transformer les probabilités prévues en événements d'achat prédits pour Hoppiness.

Vous obtenez les probabilités d'achat prévues en utilisant la fonction fitted() sur l'objet extended.model. Vous classez ensuite naïvement les prédictions en 1 si la probabilité d'achat prévue dépasse 0.5, et en 0 sinon. La fonction ifelse() permet de faire cela. Par la suite, vous résumez les événements d'achat classés à l'aide de la fonction table(). Le nombre relatif d'événements d'achat peut être obtenu en utilisant aussi mean().

Cette activité fait partie du cours

Créer des modèles de réponse dans R

Voir le cours

Instructions de l’exercice

  • Obtenez les prédictions du modèle à partir de l'objet extended.model au moyen de la fonction fitted(). Utilisez la fonction ifelse() pour classer les prédictions en 1 si la probabilité d'achat prévue dépasse 0.5, et en 0 sinon. Assignez le résultat à un objet predicted.
  • Obtenez le nombre d'événements d'achat avec la fonction table().
  • Obtenez le nombre relatif d'événements d'achat avec la fonction mean()

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Classify the predictions
predicted <- ___(___(extended.model) >= ___, ___, ___)

# Obtain the number of purchase events


# Obtain the relative number of purchase events
Modifier et exécuter le code