Adattamento in-sample del modello completo

È di nuovo il momento di scrivere codice: torniamo quindi al dataset dell'esercizio defaultData.

Ora vuoi capire come si comporta il tuo modello calcolando l'accuracy. Per farlo, prima ti serve una matrice di confusione.

Parti da logitModelFull. Il modello è già definito ed è disponibile nel tuo environment.

Questo esercizio fa parte del corso

Machine Learning per il Marketing Analytics in R

Visualizza il corso

Istruzioni dell'esercizio

Usa predict() per ottenere la probabilità che ciascun cliente vada in default sul pagamento.
Per costruire la matrice di confusione usa la funzione confusion.matrix() da SDMTools. Nota che SDMTools non è più scaricabile da CRAN. Quindi, se vuoi esercitarti sul tuo computer, puoi installare il pacchetto usando remotes::install_version("SDMTools", "1.1-221.2"), che installerà la versione di SDMTools utilizzata in questo corso.
Scegli una soglia comune di 0,5.
Calcola l'accuracy usando la matrice di confusione.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Make predictions using the full Model
defaultData$predFull <- predict(logitModelFull, type = ___, na.action = ___)

# Construct the in-sample confusion matrix
confMatrixModelFull <- confusion.matrix(defaultData$___,defaultData$___, threshold = ___)
confMatrixModelFull

# Calculate the accuracy for the full Model
accuracyFull <- sum(diag(___)) / ___(___)
accuracyFull

Modifica ed esegui il codice