Probabilistic Relational Neighbor Classifier
Dalam latihan ini, Anda akan menerapkan probabilistic relational neighbor classifier untuk menyimpulkan probabilitas churn berdasarkan probabilitas churn awal dari node lainnya.
Alih-alih mengetahui label tiap node, anggap Anda mengetahui probabilitas churn tiap node, seperti pada gambar di bawah. Pada gambar, C berarti churn dan NC berarti non-churn.
Lalu, seperti sebelumnya, Anda dapat memperbarui probabilitas churn tiap node dengan mencari rata-rata probabilitas churn dari node-node tetangganya.
Latihan ini adalah bagian dari kursus
Analitik Prediktif menggunakan Data Berjejaring di R
Petunjuk latihan
- Temukan probabilitas churn untuk pelanggan ke-44 dalam vektor
churnProb. - Perbarui probabilitas churn dengan mengalikan
AdjacencyMatrixdenganchurnProbdan membaginya dengan vektorneighborsyang berisi ukuran lingkungan (jumlah tetangga). Kami telah menambahkanas.vector()pada operasi matriks. Simpan hasilnya kechurnProb_updated. - Temukan probabilitas churn yang sudah diperbarui untuk pelanggan ke-44 dalam vektor
churnProb_updated. - Apa yang terjadi pada probabilitas churn pelanggan ke-44?
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Find churn probability of the 44th customer
churnProb[___]
# Update the churn probabilties and the non-churn probabilities
churnProb_updated <- as.vector((AdjacencyMatrix %*% ___) / ___)
# Find updated churn probability of the 44th customer
churnProb_updated[___]