Costruire un modello più sofisticato

Uno dei migliori predittori delle donazioni future è una storia di doni recenti, frequenti e di importo elevato. In termini di marketing, questo è noto come R/F/M:

Recency
Frequency
Money

I donatori che non hanno donato sia di recente sia con frequenza potrebbero essere particolarmente inclini a donare di nuovo; in altre parole, l’impatto combinato di recency e frequency può essere maggiore della somma dei loro effetti individuali.

Poiché questi predittori insieme hanno un impatto maggiore sulla variabile dipendente, il loro effetto congiunto deve essere modellato come un’interazione. Il dataset donors è già stato caricato per te.

Questo esercizio fa parte del corso

Apprendimento supervisionato in R: Classificazione

Visualizza il corso

Istruzioni dell'esercizio

Crea un modello di regressione logistica di donated in funzione di money più l’interazione tra recency e frequency. Usa * per aggiungere il termine di interazione.
Esamina il summary() del modello per confermare che l’effetto di interazione sia stato aggiunto.
Salva le probabilità predette del modello come rfm_prob. Usa la funzione predict() e ricordati di impostare l’argomento type.
Traccia una curva ROC usando la funzione roc(). Ricorda: questa funzione prende la colonna degli esiti e il vettore delle predizioni.
Calcola l’AUC per il nuovo modello con la funzione auc() e confronta le prestazioni con il modello più semplice.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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(___)

Modifica ed esegui il codice