Tworzenie bardziej dyskryminujących modeli
W poprzednim ćwiczeniu zakres przewidywanych prawdopodobieństw niewykonania zobowiązania był dość wąski. Jak wspomnieliśmy, niskie przewidywane prawdopodobieństwa są typowe przy niskich wskaźnikach niewykonania zobowiązania – jednak budowanie większych modeli (czyli takich, które uwzględniają więcej predyktorów) może poszerzyć zakres predykcji.
Czy przełoży się to na lepsze predykcje, wymaga jeszcze weryfikacji i zależy od jakości nowo dodanych predyktorów. Na razie sprawdź, jak większe modele mogą rozszerzyć ten zakres.
To ćwiczenie jest częścią kursu
Modelowanie ryzyka kredytowego w R
Instrukcje do ćwiczenia
- Utwórz
log_model_fullw taki sam sposób, jak wcześniejlog_model_small, ale tym razem uwzględnij wszystkie dostępne predyktory ze zbioru danych. Jeśli nie chcesz wpisywać nazwy każdej kolumny z osobna, możesz wybrać wszystkie zmienne za pomocąloan_status ~ . - Utwórz wektor predykcji
predictions_all_fulldla wszystkich obserwacji ze zbioru testowego, używając funkcjipredict(). Pamiętaj, że zwracane wartości reprezentują prawdopodobieństwo niewykonania zobowiązania. - Sprawdź zakres uzyskanych predykcji.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Change the code below to construct a logistic regression model using all available predictors in the data set
log_model_small <- glm(loan_status ~ age + ir_cat, family = "binomial", data = training_set)
# Make PD-predictions for all test set elements using the the full logistic regression model
# Look at the predictions range