In-sample fit volledig model

Het is weer tijd om te coderen, dus we gaan terug naar de oefengegevensset defaultData.

Je wilt nu weten hoe je model presteert door de accuracy te berekenen. Daarvoor heb je eerst een confusion matrix nodig.

Begin met de logitModelFull. Het model is al gespecificeerd en staat in je omgeving.

Deze oefening maakt deel uit van de cursus

Machine Learning for Marketing Analytics in R

Cursus bekijken

Oefeninstructies

Gebruik predict() om voor elke klant de kans te krijgen dat die in gebreke blijft met betalen.
Om de confusion matrix te maken, gebruik je de functie confusion.matrix() uit SDMTools. Let op: SDMTools is niet meer te downloaden van CRAN. Wil je thuis oefenen, installeer het pakket dan met remotes::install_version("SDMTools", "1.1-221.2"); daarmee installeer je de versie van SDMTools die in deze cursus wordt gebruikt.
Kies een gangbare drempelwaarde van 0,5.
Bereken de accuracy met behulp van de confusion matrix.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Make predictions using the full Model
defaultData$predFull <- predict(logitModelFull, type = ___, na.action = ___)

# Construct the in-sample confusion matrix
confMatrixModelFull <- confusion.matrix(defaultData$___,defaultData$___, threshold = ___)
confMatrixModelFull

# Calculate the accuracy for the full Model
accuracyFull <- sum(diag(___)) / ___(___)
accuracyFull

Code bewerken en uitvoeren