Créer des modèles plus discriminants

Dans l'exercice précédent, l'étendue des probabilités prévues de défaut était plutôt faible. Comme nous l'avons vu, de petites probabilités prévues de défaut sont normales lorsque le taux de défaut est bas, mais des modèles plus grands (ce qui veut essentiellement dire : inclure plus de prédicteurs) peuvent élargir l'étendue de vos prédictions.

Il faut toutefois valider si cela mènera à de meilleures prédictions, et cela dépend de la qualité des nouveaux prédicteurs ajoutés. Pour commencer, observez comment des modèles plus grands peuvent élargir l'étendue.

Cette activité fait partie du cours

Modélisation du risque de crédit en R

Voir le cours

Instructions de l’exercice

Créez log_model_full de la même façon que log_model_small, mais cette fois, incluez tous les prédicteurs disponibles dans l'ensemble de données. Si vous ne voulez pas saisir le nom de chaque colonne séparément, vous pouvez simplement sélectionner toutes les variables avec loan_status ~ .
Créez votre vecteur de prédictions predictions_all_full pour tous les cas de l'ensemble de test avec predict(). Notez que ces valeurs représentent la probabilité de faire défaut.
Consultez l'étendue des prédictions.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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

Modifier et exécuter le code