1. Apprendre
    2. /
  2. Cours
    3. /
  3. Apprentissage supervisé en R : Classification
Connected

Exercice

Construire un modèle plus sophistiqué

L'un des meilleurs prédicteurs des dons futurs est un historique de dons récents, fréquents et importants. En marketing, on parle de R/F/M :

  • Recency (récence)
  • Frequency (fréquence)
  • Money (montant)

Les donateurs et donatrices qui n'ont pas donné à la fois récemment et fréquemment pourraient être particulièrement susceptibles de redonner; autrement dit, l'effet combiné de la récence et de la fréquence peut être supérieur à la somme de leurs effets pris séparément.

Comme ces prédicteurs ont ensemble un impact plus grand sur la variable dépendante, leur effet conjoint doit être modélisé comme une interaction. Le jeu de données donors a été chargé pour vous.

Instructions

100 XP
  • Créez un modèle de régression logistique de donated en fonction de money plus l'interaction de recency et frequency. Utilisez * pour ajouter le terme d'interaction.
  • Examinez le summary() du modèle pour confirmer que l'effet d'interaction a été ajouté.
  • Enregistrez les probabilités prédites du modèle dans rfm_prob. Utilisez la fonction predict() et n'oubliez pas de définir l'argument type.
  • Tracez une courbe ROC en utilisant la fonction roc(). Rappelez-vous que cette fonction prend la colonne des résultats et le vecteur de prédictions.
  • Calculez l'AUC pour le nouveau modèle avec la fonction auc() et comparez la performance au modèle plus simple.