Relational Neighbor Classifier

In deze oefening pas je een eenvoudige netwerkgebaseerde classifier toe: de relational neighbor classifier. Die gebruikt de klassenlabels van naburige knopen om voor elke knoop in het netwerk een churnkans te berekenen. In het onderstaande netwerk, waar rode knopen churners voorstellen en witte knopen niet-churners, is de churnkans van de blauwe knoop bijvoorbeeld 0,4.

Relational neighbor classifier

Je krijgt twee vectoren: ChurnNeighbors en NonChurnNeighbors met per klant het aantal buren dat wel en niet gechurned heeft.

Deze oefening maakt deel uit van de cursus

Predictive Analytics met netwerkgdata in R

Cursus bekijken

Oefeninstructies

Bereken de churnkans van elke klant, churnProb, met behulp van de relational neighbor classifier.
Gebruik which() om de klanten met de hoogste churnkans te vinden. Noem deze vector mostLikelyChurners.
Gebruik mostLikelyChurners om de ID's te vinden van de klanten met de hoogste churnkans.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Compute the churn probabilities
churnProb <- ___ / (ChurnNeighbors + ___)

# Find who is most likely to churn
mostLikelyChurners <- which(churnProb == ___(churnProb))

# Extract the IDs of the most likely churners
customers$id[___]

Code bewerken en uitvoeren