더 변별력 있는 모델 만들기
이전 연습 문제에서는 부도 확률 예측값의 범위가 꽤 좁았어요. 말씀드렸듯이, 부도율이 낮을 때는 예측된 부도 확률이 작게 나오는 것이 일반적이지만, 더 큰 모델(즉, 더 많은 예측 변수를 포함하는 모델)을 만들면 예측값의 범위를 넓힐 수 있어요.
이렇게 했을 때 예측이 실제로 더 좋아지는지는 아직 검증이 필요하며, 새로 포함한 예측 변수의 품질에 달려 있어요. 우선, 더 큰 모델이 어떻게 예측 범위를 확장하는지 살펴보세요.
이 연습은 강의의 일부입니다
R로 배우는 신용 위험 모델링
연습 안내
- 데이터셋의 모든 사용 가능한 예측 변수를 포함해,
log_model_small을 만들었던 방식으로log_model_full을 만드세요. 각 열 이름을 일일이 입력하고 싶지 않다면,loan_status ~ .를 사용해 모든 변수를 한 번에 선택할 수 있어요. - 테스트 세트의 모든 케이스에 대해
predict()를 사용해 예측 벡터predictions_all_full을 만드세요. 이 값들은 부도 확률을 나타낸다는 점에 유의하세요. - 예측값의 범위를 확인하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Change the code below to construct a logistic regression model using all available predictors in the data set
log_model_small <- glm(loan_status ~ age + ir_cat, family = "binomial", data = training_set)
# Make PD-predictions for all test set elements using the the full logistic regression model
# Look at the predictions range