Construire des modèles plus discriminants
Dans l’exercice précédent, l’intervalle des probabilités prédites de défaut était assez réduit. Comme évoqué, de faibles probabilités de défaut sont normales lorsque le taux de défaut est bas, mais construire des modèles plus grands (ce qui revient essentiellement à inclure davantage de prédicteurs) peut élargir l’intervalle de vos prédictions.
Il faut toutefois valider si cela conduit in fine à de meilleures prédictions, ce qui dépendra de la qualité des nouveaux prédicteurs inclus. Pour commencer, observez comment des modèles plus grands peuvent élargir l’intervalle.
Cet exercice fait partie du cours
<cours>Modélisation du risque de crédit en R</cours>Instructions de l’exercice
- Créez
log_model_fullde la même manière quelog_model_small, mais cette fois, incluez tous les prédicteurs disponibles dans le jeu de données. Si vous ne souhaitez pas saisir chaque nom de colonne, vous pouvez sélectionner toutes les variables avecloan_status ~ .. - Générez votre vecteur de prédictions
predictions_all_fullpour tous les cas de l’ensemble de test à l’aide depredict(). Notez que ces valeurs représentent la probabilité de défaut. - Consultez l’intervalle 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