Dopasowanie modelu pełnego na danych treningowych

Czas na kodowanie – wracamy do zbioru danych defaultData.

Chcesz teraz sprawdzić, jak działa twój model, obliczając jego dokładność. Aby to zrobić, najpierw potrzebujesz macierzy pomyłek.

Zacznij od modelu logitModelFull. Model jest już zdefiniowany i dostępny w twoim środowisku.

To ćwiczenie jest częścią kursu

Uczenie maszynowe w analizie marketingowej w R

Zobacz kurs

Instrukcje do ćwiczenia

Użyj funkcji predict(), aby uzyskać prawdopodobieństwo niespłacenia płatności dla każdego klienta.
Aby zbudować macierz pomyłek, skorzystaj z funkcji confusion.matrix() z pakietu SDMTools. Uwaga: pakiet SDMTools nie jest już dostępny w repozytorium CRAN. Jeśli chcesz ćwiczyć na własnym komputerze, możesz go zainstalować poleceniem remotes::install_version("SDMTools", "1.1-221.2"), które zainstaluje wersję pakietu SDMTools używaną w tym kursie.
Wybierz standardowy próg klasyfikacji wynoszący 0,5.
Oblicz dokładność modelu na podstawie macierzy pomyłek.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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

Edytuj i uruchom kod