더 정교한 모델 만들기
미래 기부를 가장 잘 예측하는 변수 중 하나는 최근성, 빈도, 그리고 큰 금액의 기부 이력입니다. 마케팅 용어로는 R/F/M이라고 부릅니다:
- Recency
- Frequency
- Money
최근에도 자주 기부하지 않은 기부자는 오히려 다시 기부할 가능성이 특히 높을 수 있습니다. 즉, 최근성과 빈도의 결합된 영향력이 각각의 효과를 단순히 더한 것보다 클 수 있습니다.
이 예측 변수들이 함께 종속 변수에 더 큰 영향을 미치므로, 그 결합 효과는 상호작용으로 모형화해야 합니다. donors 데이터셋은 이미 로드되어 있습니다.
이 연습은 강의의 일부입니다
R로 배우는 Supervised Learning: 분류
연습 안내
donated를 종속 변수로 하고money와recency와frequency의 상호작용을 포함하는 로지스틱 회귀 모델을 만드세요. 상호작용 항을 추가하려면*를 사용하세요.- 모델의
summary()를 확인해 상호작용 효과가 추가되었는지 확인하세요. - 모델의 예측 확률을
rfm_prob으로 저장하세요.predict()함수를 사용하고,type인자를 설정하는 것을 잊지 마세요. roc()함수를 사용해 ROC 곡선을 그리세요. 이 함수는 결과 열과 예측 벡터를 인수로 받습니다.- 새로운 모델의 AUC를
auc()함수로 계산하고, 더 단순한 모델과 성능을 비교하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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(___)