1. Nauka
    2. /
  2. Kursy
    3. /
  3. Modelowanie ryzyka kredytowego w R
Connected

ćwiczenie

Określanie progu odcięcia

Pokazaliśmy ci, jak dobór progu odcięcia może zaważyć na jakości macierzy pomyłek. Teraz nauczysz się, jak przekształcić wektor predykcji na wektor wartości binarnych, wskazujących status kredytu. Pomocna będzie tutaj funkcja ifelse() w R.

Stosując funkcję ifelse() w kontekście progu odcięcia, możesz napisać coś takiego:

ifelse(predictions > 0.3, 1, 0)

W pierwszym argumencie sprawdzasz, czy dana wartość w wektorze predykcji jest większa niż 0,3. Jeśli tak (TRUE), R zwraca „1" (określone w drugim argumencie); jeśli nie (FALSE), R zwraca „0" (określone w trzecim argumencie) — oznaczające odpowiednio „niewywiązanie się ze zobowiązania" i „brak niewywiązania się ze zobowiązania".

Instrukcje

100 XP
  • Kod pełnego modelu regresji logistycznej wraz z wektorem predykcji jest już dostępny w konsoli.
  • Używając progu odcięcia równego 0,15, utwórz wektor pred_cutoff_15 za pomocą funkcji ifelse() i zmiennej predictions_all_full.
  • Sprawdź macierz pomyłek przy użyciu funkcji table() (w pierwszym argumencie podaj prawdziwe wartości, czyli test_set$loan_status).