1. 学ぶ
    2. /
  2. コース
    3. /
  3. R로 배우는 신용 위험 모델링
Connected

演習

주어진 컷오프에서 링크 함수 비교

이번 마지막 연습 문제에서는 세 가지 링크 함수(logit, probit, cloglog)를 각각 사용해 모형을 적합하고, 테스트 세트에 대한 예측을 만든 뒤, 주어진 컷오프에서 예측을 적절한 그룹(부도 vs 비부도)으로 분류하고, 혼동 행렬을 만든 다음, 각 모형에 대해 정확도와 민감도를 계산해 보겠습니다! 지금까지 정말 많은 내용을 배우셨어요. 마지막으로, 해당 컷오프 값에서 정확도 기준으로 가장 성능이 좋은 모형을 찾아보세요!

일반적으로 모형 간 차이는 매우 작을 수 있으며, 결과는 선택한 컷오프 값에 따라 달라진다는 점이 중요합니다. 관측된 실제 결과(부도 vs 비부도)는 콘솔의 true_val에 저장되어 있습니다.

指示

100 XP
  • 링크를 각각 logit, probit, cloglog로 지정해 로지스틱 회귀 모형 세 개를 적합하세요. 일부 코드는 제공됩니다. 예측 변수로는 age, emp_cat, ir_cat, loan_amnt를 사용하세요.
  • 모든 모형에 대해 test_set을 사용해 예측값을 만드세요.
  • 각 모형의 성능을 비교할 수 있도록 컷오프 값을 14%로 사용해 분류 예측을 수행하세요.
  • 세 모형에 대한 혼동 행렬을 만드세요.
  • 마지막으로, 세 모형 모두에 대해 분류 정확도를 계산하세요.