Spécification du modèle
La fonction stepAIC() renvoie un modèle réduit, comme vous venez de le voir dans la vidéo précédente. Vous allez maintenant appliquer cette méthode au jeu de données de l'exercice defaultData.
Le jeu de données préparé est disponible dans votre environnement. De plus, le package MASS est chargé et le modèle logit construit précédemment logitModelFull est déjà défini pour vous. Notez également que nous avons réduit la taille du jeu de données, car la sélection de modèle pas à pas peut prendre beaucoup de temps avec des jeux de données plus volumineux et des modèles plus complexes.
Cet exercice fait partie du cours
<cours>Machine Learning for Marketing Analytics in R</cours>Instructions de l’exercice
- Utilisez la fonction
stepAIC(). Indiqueztrace = 0, car vous ne souhaitez pas afficher la sortie de l'ensemble du processus de sélection de modèle. Enregistrez le résultat dans l'objetlogitModelNew. - Ensuite, utilisez la fonction
summary()pour examinerlogitModelNew. Vous pouvez ignorer l'avertissement dans ce cas. Allez-y, voyez ce qui a changé et essayez de comprendre les résultats. - La formule est enregistrée dans un objet afin que vous n'ayez pas à retaper toute l'équation lorsque vous voudrez la réutiliser plus tard.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
library(MASS)
# The old (full) model
logitModelFull <- glm(PaymentDefault ~ limitBal + sex + education + marriage +
age + pay1 + pay2 + pay3 + pay4 + pay5 + pay6 + billAmt1 +
billAmt2 + billAmt3 + billAmt4 + billAmt5 + billAmt6 + payAmt1 +
payAmt2 + payAmt3 + payAmt4 + payAmt5 + payAmt6,
family = binomial, defaultData)
#Build the new model
logitModelNew <- stepAIC(___,___)
#Look at the model
summary(logitModelNew)
# Save the formula of the new model (it will be needed for the out-of-sample part)
formulaLogit <- as.formula(summary(logitModelNew)$call)
formulaLogit