Menentukan cut-off
Kami telah menunjukkan bagaimana penentuan sebuah cut-off dapat membuat perbedaan dalam memperoleh confusion matrix yang baik. Sekarang, Anda akan mempelajari cara mengubah vektor prediksi menjadi vektor nilai biner yang menunjukkan status pinjaman. Fungsi ifelse() di R dapat membantu Anda di sini.
Menerapkan fungsi ifelse() dalam konteks cut-off, Anda akan memiliki sesuatu seperti
ifelse(predictions > 0.3, 1, 0)
Pada argumen pertama, Anda menguji apakah suatu nilai dalam vektor prediksi lebih besar dari 0,3. Jika TRUE, R mengembalikan "1" (ditentukan pada argumen kedua), jika FALSE, R mengembalikan "0" (ditentukan pada argumen ketiga), masing-masing merepresentasikan "default" dan "no default".
Latihan ini adalah bagian dari kursus
Pemodelan Risiko Kredit di R
Petunjuk latihan
- Kode untuk model regresi logistik penuh beserta vektor prediksi telah tersedia di konsol Anda.
- Dengan cutoff 0,15, buat vektor
pred_cutoff_15menggunakan fungsiifelse()danpredictions_all_full. - Lihat confusion matrix menggunakan
table()(masukkan nilai sebenarnya, yaitutest_set$loan_status, pada argumen pertama).
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# The code for the logistic regression model and the predictions is given below
log_model_full <- glm(loan_status ~ ., family = "binomial", data = training_set)
predictions_all_full <- predict(log_model_full, newdata = test_set, type = "response")
# Make a binary predictions-vector using a cut-off of 15%
# Construct a confusion matrix