Aan de slagGa gratis aan de slag

Classificaties

Het management van de brouwerij kan niet zoveel met "aankoopkansen". Ze willen een model dat aankopen voorspelt. Een manier om dit op te lossen is om de voorspelde kansen te classificeren als voorspelde aankoopgebeurtenissen voor Hoppiness.

Je krijgt de voorspelde aankoopkansen door de functie fitted() te gebruiken op het object extended.model. Je classificeert de voorspellingen op een eenvoudige manier als 1 als de voorspelde aankoopkans hoger is dan 0.5, en als 0 anders. De functie ifelse() maakt dit mogelijk. Daarna vat je de geclassificeerde aankoopgebeurtenissen samen met de functie table(). Het relatieve aantal aankoopgebeurtenissen kun je verkrijgen door aanvullend mean() te gebruiken.

Deze oefening maakt deel uit van de cursus

Responsmodellen bouwen in R

Cursus bekijken

Oefeninstructies

  • Haal de modelvoorspellingen op uit het object extended.model met de functie fitted(). Gebruik de functie ifelse() om de voorspellingen te classificeren als 1 als de voorspelde aankoopkans hoger is dan 0.5, en als 0 anders. Ken het resultaat toe aan een object predicted.
  • Haal het aantal aankoopgebeurtenissen op met de functie table().
  • Haal het relatieve aantal aankoopgebeurtenissen op met de functie mean()

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Classify the predictions
predicted <- ___(___(extended.model) >= ___, ___, ___)

# Obtain the number of purchase events


# Obtain the relative number of purchase events
Code bewerken en uitvoeren