Membangun model yang lebih canggih

Salah satu prediktor terbaik untuk pemberian di masa depan adalah riwayat donasi yang baru-baru ini, sering, dan bernilai besar. Dalam istilah pemasaran, ini dikenal sebagai R/F/M:

Recency
Frequency
Money

Donatur yang belum memberikan donasi baik secara baru-baru ini maupun sering mungkin justru lebih mungkin untuk berdonasi lagi; dengan kata lain, dampak gabungan dari recency dan frequency bisa lebih besar daripada jumlah efeknya masing-masing.

Karena para prediktor ini secara bersama-sama memiliki dampak yang lebih besar pada variabel dependen, efek gabungannya harus dimodelkan sebagai interaksi. Himpunan data donors telah dimuat untuk Anda.

Latihan ini adalah bagian dari kursus

Supervised Learning di R: Klasifikasi

Lihat Kursus

Petunjuk latihan

Buat model regresi logistik dari donated sebagai fungsi dari money ditambah interaksi antara recency dan frequency. Gunakan * untuk menambahkan peubah interaksi.
Periksa summary() model untuk memastikan efek interaksi telah ditambahkan.
Simpan probabilitas prediksi model sebagai rfm_prob. Gunakan fungsi predict(), dan ingat untuk menyetel argumen type.
Plot kurva ROC dengan menggunakan fungsi roc(). Ingat, fungsi ini menerima kolom keluaran dan vektor prediksi.
Hitung AUC untuk model baru dengan fungsi auc() dan bandingkan kinerjanya dengan model yang lebih sederhana.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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(___)

Edit dan Jalankan Kode