Ridurre ancora il modello?

Eliminando la variabile loan_amnt, l'AUC può essere ulteriormente migliorata a 0.6548! Il modello risultante è

log_4_remove_amnt <- glm(loan_status ~ grade + annual_inc + emp_cat, family = binomial, data = training_set)

È possibile ridurre il modello di regressione logistica a sole due variabili senza diminuire l'AUC? In questo esercizio vedrai se è possibile!

Questo esercizio fa parte del corso

Credit Risk Modeling in R

Visualizza il corso

Istruzioni dell'esercizio

Di nuovo, elimina una variabile alla volta nel modello log_4_remove_amnt. Ricorda che dovresti usare la funzione di collegamento predefinita (logit).
Usa predict() per ottenere le probabilità di default per ciascun modello che hai creato.
Calcola le AUC per ciascuno dei tre modelli, usando test_set$loan_status come primo argomento e le previsioni di ciascuno dei tre modelli come secondo argomento.
Traccia la curva ROC per il modello con l'AUC più alta nel tuo workspace, usando plot(roc()), dove il contenuto di roc() è lo stesso usato nella funzione auc() con l'AUC più alta. Nota che è possibile che l'AUC non possa essere ulteriormente ridotta rispetto al modello log_4_remove_amnt. Le previsioni per questo modello sono caricate nel tuo workspace come pred_4_remove_amnt, nel caso in cui questo modello porti all'AUC più alta.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Build three models each time deleting one variable in log_4_remove_amnt
log_5_remove_grade <- glm(loan_status ~ annual_inc + emp_cat, family = binomial, data = training_set) 
log_5_remove_inc <- 
log_5_remove_emp <- 

# Make PD-predictions for each of the models
pred_5_remove_grade <- predict(log_5_remove_grade, newdata = test_set, type = "response")
pred_5_remove_inc <-
pred_5_remove_emp <-

# Compute the AUCs



# Plot the ROC-curve for the best model here

Modifica ed esegui il codice