शुरू करेंमुफ़्त में शुरू करें

एक ज़्यादा परिष्कृत मॉडल बनाना

भविष्य में दान देने का सबसे अच्छा पूर्वानुमानक अक्सर हाल के, बार-बार, और बड़े गिफ्ट्स का इतिहास होता है. मार्केटिंग की भाषा में इसे R/F/M कहा जाता है:

  • Recency
  • Frequency
  • Money

जिन दाताओं ने हाल में और अक्सर दोनों तरह से दान नहीं दिया है, उनके फिर से दान देने की संभावना विशेष रूप से अधिक हो सकती है; यानी, recency और frequency का संयुक्त प्रभाव उनके अलग-अलग प्रभावों के योग से भी बड़ा हो सकता है.

क्योंकि ये predictors मिलकर dependent वैरिएबल पर अधिक प्रभाव डालते हैं, इसलिए इनके संयुक्त प्रभाव को interaction के रूप में मॉडल करना ज़रूरी है. donors डेटासेट आपके लिए लोड कर दिया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Supervised Learning: Classification

पाठ्यक्रम देखें

अभ्यास निर्देश

  • donated का logistic regression मॉडल बनाएँ, जहाँ यह money और recency तथा frequency के interaction का फंक्शन हो. Interaction टर्म जोड़ने के लिए * का उपयोग करें.
  • मॉडल का summary() देखें ताकि पक्का हो जाए कि interaction प्रभाव जोड़ा गया है.
  • मॉडल की predicted probabilities को rfm_prob के रूप में सेव करें. predict() फंक्शन का उपयोग करें, और type आर्ग्युमेंट सेट करना न भूलें.
  • roc() फंक्शन का उपयोग करके ROC कर्व प्लॉट करें. ध्यान दें, यह फंक्शन outcomes की कॉलम और predictions के वेक्टर लेता है.
  • नए मॉडल के लिए auc() फंक्शन से AUC निकालें और प्रदर्शन की तुलना सरल मॉडल से करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Build a recency, frequency, and money (RFM) model
rfm_model <- ___

# Summarize the RFM model to see how the parameters were coded


# Compute predicted probabilities for the RFM model
rfm_prob <- ___

# Plot the ROC curve and find AUC for the new model
library(pROC)
ROC <- ___
plot(___, col = "red")
auc(___)
कोड संपादित करें और चलाएँ