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

Exercice

Faire une prédiction binaire

Dans l'exercice précédent, vous avez utilisé la fonction glm() pour construire un modèle de régression logistique du comportement des donateurs. Comme pour plusieurs méthodes de Machine Learning de R, vous pouvez appliquer la fonction predict() à l'objet du modèle pour prévoir un comportement futur. Par défaut, predict() produit des prédictions en termes de log-cotes à moins que type = "response" ne soit précisé. Cet argument convertit les log-cotes en probabilités.

Comme un modèle de régression logistique estime la probabilité de l'issue, c'est à vous de déterminer le seuil à partir duquel la probabilité implique une action. Il faut trouver un juste milieu entre être trop prudent et trop agressif. Par exemple, si vous ne sollicitez que les personnes ayant une probabilité de don d'au moins 99 %, vous risquez de passer à côté de nombreuses personnes avec une probabilité estimée plus faible qui choisiraient tout de même de donner. Cet équilibre est particulièrement important lorsque l'issue est très déséquilibrée, comme dans ce jeu de données où les dons sont relativement rares.

Le jeu de données donors et le modèle donation_model sont à votre disposition.

Instructions

100 XP
  • Utilisez la fonction predict() pour estimer la probabilité de don de chaque personne. Utilisez l'argument type pour obtenir des probabilités. Assignez les prédictions à une nouvelle colonne appelée donation_prob.
  • Trouvez la probabilité réelle qu'une personne moyenne fasse un don en passant à la fonction mean() la colonne appropriée du tableau de données donors.
  • Utilisez ifelse() pour prédire un don si sa probabilité de don prédite est supérieure à la moyenne. Assignez les prédictions à une nouvelle colonne appelée donation_pred.
  • Utilisez la fonction mean() pour calculer la précision du modèle.