Czy model można jeszcze uprościć?

Po usunięciu zmiennej loan_amnt wartość AUC wzrasta do 0,6548! Otrzymany model ma postać:

log_4_remove_amnt <- glm(loan_status ~ grade + annual_inc + emp_cat, family = binomial, data = training_set)

Czy można zredukować model regresji logistycznej do zaledwie dwóch zmiennych bez obniżenia wartości AUC? W tym ćwiczeniu sprawdzisz, czy jest to możliwe!

To ćwiczenie jest częścią kursu

Modelowanie ryzyka kredytowego w R

Zobacz kurs

Instrukcje do ćwiczenia

Ponownie usuń po jednej zmiennej z modelu log_4_remove_amnt. Pamiętaj, że powinna być użyta domyślna funkcja łącząca (logit).
Użyj funkcji predict(), aby wyznaczyć prawdopodobieństwa niewywiązania się ze zobowiązania dla każdego z utworzonych modeli.
Oblicz wartości AUC dla każdego z trzech modeli, podając test_set$loan_status jako pierwszy argument i przewidywania każdego modelu jako drugi argument.
Narysuj krzywą ROC dla modelu o najwyższej wartości AUC, używając plot(roc()), gdzie zawartość roc() jest taka sama jak zawartość funkcji auc() z najwyższym AUC. Zwróć uwagę, że możliwe jest, iż AUC nie da się już poprawić względem modelu log_4_remove_amnt. W takim przypadku przewidywania dla tego modelu są wczytane do twojego środowiska pod nazwą pred_4_remove_amnt.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Build three models each time deleting one variable in log_4_remove_amnt
log_5_remove_grade <- glm(loan_status ~ annual_inc + emp_cat, family = binomial, data = training_set) 
log_5_remove_inc <- 
log_5_remove_emp <- 

# Make PD-predictions for each of the models
pred_5_remove_grade <- predict(log_5_remove_grade, newdata = test_set, type = "response")
pred_5_remove_inc <-
pred_5_remove_emp <-

# Compute the AUCs



# Plot the ROC-curve for the best model here

Edytuj i uruchom kod