Ajustement sur l'échantillon avec le modèle complet
C'est de nouveau l'heure de coder, avec le jeu de données d'exercice defaultData.
Vous souhaitez maintenant évaluer les performances de votre modèle en calculant la précision (accuracy). Pour cela, vous avez d'abord besoin d'une matrice de confusion.
Commencez par le logitModelFull. Le modèle est déjà défini et présent dans votre environnement.
Cet exercice fait partie du cours
<cours>Machine Learning for Marketing Analytics in R</cours>Instructions de l’exercice
- Utilisez
predict()pour obtenir, pour chaque client, la probabilité de faire défaut de paiement. - Pour construire la matrice de confusion, utilisez la fonction
confusion.matrix()du packageSDMTools. Notez queSDMToolsn'est plus téléchargeable depuis CRAN. Si vous souhaitez vous entraîner sur votre ordinateur personnel, vous pouvez installer le package avecremotes::install_version("SDMTools", "1.1-221.2"), ce qui installera la version deSDMToolsutilisée dans ce cours. - Choisissez un seuil classique de 0,5.
- Calculez la précision (accuracy) à partir de la matrice de confusion.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Make predictions using the full Model
defaultData$predFull <- predict(logitModelFull, type = ___, na.action = ___)
# Construct the in-sample confusion matrix
confMatrixModelFull <- confusion.matrix(defaultData$___,defaultData$___, threshold = ___)
confMatrixModelFull
# Calculate the accuracy for the full Model
accuracyFull <- sum(diag(___)) / ___(___)
accuracyFull