Wnioskowanie zbiorowe

Wnioskowanie zbiorowe to procedura jednoczesnego etykietowania węzłów w powiązanych danych, której celem jest zmniejszenie błędu klasyfikacji.

W tym ćwiczeniu przeprowadzisz wnioskowanie zbiorowe i zobaczysz, jaki wpływ ma ono na przewidywanie odejść klientów (churn) przy użyciu miary AUC. AUC, czyli pole pod krzywą ROC, jest powszechnie stosowane do oceny skuteczności metod klasyfikacji.

AUC = prawdopodobieństwo, że losowo wybrany klient odchodzący zostanie oceniony przez model wyżej niż losowo wybrany klient pozostający
AUC = liczba z przedziału od 0,5 do 1, gdzie wyższa wartość oznacza lepszy model

Czy wnioskowanie zbiorowe zwiększa wartość AUC?

To ćwiczenie jest częścią kursu

Predykcyjna analityka sieciowa w R

Zobacz kurs

Instrukcje do ćwiczenia

Oblicz AUC klasyfikatora sąsiadów relacyjnych, wywołując funkcję auc z pakietu pROC – jako argumenty podaj rzeczywiste etykiety odejść customers$churn oraz churnProb jako wartość prognozowaną.
Napisz pętlę for, w której dziesięciokrotnie zastosujesz probabilistyczny klasyfikator sąsiadów relacyjnych i w każdej iteracji przypisujesz wynik z powrotem do wektora churnProb.
Oblicz ponownie AUC, używając zaktualizowanego wektora churnProb.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Load the pROC package and data
library(pROC)
load("Nex132.RData")

# Compute the AUC
___(customers$churn, as.vector(churnProb))

# Write a for loop to update the probabilities
___(i in 1:10){
 ___ <- as.vector((AdjacencyMatrix %*% churnProb) / neighbors)
}

# Compute the AUC again
___(customers$churn, as.vector(___))

Edytuj i uruchom kod