Trouver le seuil optimal

Imaginez que vous meniez une campagne visant à empêcher les clients de faire défaut. Vous pouvez organiser votre campagne à partir de vos prédictions. Le choix du seuil est donc essentiel pour vos résultats. Si vous connaissez les coûts et les gains de votre campagne, vous pouvez vérifier empiriquement quel seuil est le plus pertinent. Dans cet exercice, nous sommes face au scénario suivant :

Si un client ne fait pas défaut grâce à notre campagne, c'est-à-dire si nous avons correctement prédit le défaut (vrai positif), nous obtenons une récompense de 1000 €. En revanche, si nous ciblons notre campagne sur un client qui n'aurait de toute façon pas fait défaut, c'est-à-dire si nous avons prédit à tort (faux positif) un défaut, nous supportons un coût de 250 €.

D'après l'exercice précédent, nous savons que le modèle restreint était le meilleur. Calculez donc uniquement le seuil optimal pour ce modèle. Les prédictions sont stockées dans la colonne predNew du dataframe defaultData. Utilisez le package SDMTools.