Spesifikasi model

Fungsi stepAIC() menghasilkan model yang diperkecil, seperti yang baru saja Anda lihat di video sebelumnya. Sekarang Anda akan menerapkan metode ini pada himpunan data latihan defaultData.

Himpunan data yang telah disiapkan tersedia di lingkungan Anda. Selain itu, paket MASS sudah dimuat dan model logit yang dibuat sebelumnya logitModelFull telah didefinisikan untuk Anda. Perhatikan juga bahwa kami telah mengurangi ukuran himpunan data karena pemilihan model bertahap dapat memakan waktu lama pada himpunan data yang lebih besar dan model yang lebih kompleks.

Latihan ini adalah bagian dari kursus

Machine Learning untuk Analitik Pemasaran dengan R

Lihat Kursus

Petunjuk latihan

Gunakan fungsi stepAIC(). Atur trace = 0, karena Anda tidak ingin mendapatkan output untuk seluruh proses pemilihan model. Simpan hasilnya ke objek logitModelNew.
Lalu, gunakan fungsi summary() untuk melihat logitModelNew. Anda dapat mengabaikan pesan peringatan pada kasus ini. Silakan lihat apa yang berubah. Pahami hasilnya.
Rumus disimpan dalam sebuah objek sehingga Anda tidak perlu mengetik ulang seluruh persamaan saat ingin menggunakannya lagi nanti.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

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

Edit dan Jalankan Kode