Dopasowanie modelu ograniczonego do danych treningowych

Obliczyłeś dokładność dla logitModelFull. Bardzo ważne jest, aby zrobić to samo dla wszystkich rozważanych modeli.

Dlatego logitModelNew jest już określony i dostępny w twoim środowisku.

Porównując wartości różnych modeli: jeśli kilka modeli osiąga tę samą dokładność, zawsze wybieraj ten z mniejszą liczbą zmiennych objaśniających.

To ćwiczenie jest częścią kursu

Uczenie maszynowe w analizie marketingowej w R

Zobacz kurs

Instrukcje do ćwiczenia

Wykonaj te same kroki co w poprzednim ćwiczeniu, tym razem dla nowego modelu.
Użyj predict(), aby obliczyć prawdopodobieństwo rezygnacji dla każdego klienta.
Następnie oblicz macierz pomyłek, stosując ten sam próg klasyfikacji równy 0,5. Uwaga: pakiet SDMTools nie jest już dostępny w CRAN. Zainstaluj go za pomocą remotes::install_version("SDMTools", "1.1-221.2").
Oblicz dokładność modelu ograniczonego i porównaj ją z dokładnością modelu pełnego. Do dalszej analizy wybierzesz lepszy z nich.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Calculate the accuracy for 'logitModelNew'
# Make prediction
defaultData$predNew <- predict(logitModelNew, type = ___, na.action = ___)

# Construct the in-sample confusion matrix
confMatrixModelNew <- confusion.matrix(defaultData$___,defaultData$___, threshold = ___)
confMatrixModelNew

# Calculate the accuracy...
accuracyNew <- sum(diag(___)) / ___(___)
accuracyNew

# and compare it to the full model's accuracy
accuracyFull

Edytuj i uruchom kod