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.
Cette activité fait partie du cours
Apprentissage supervisé en R : Classification
Instructions de l’exercice
- Créez un modèle de régression logistique de
donateden fonction demoneyplus l'interaction derecencyetfrequency. 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 fonctionpredict()et n'oubliez pas de définir l'argumenttype. - 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.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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(___)