Ajuste in-sample do modelo completo

É hora de codar novamente, ou seja, voltar ao conjunto de dados do exercício, defaultData.

Agora você quer saber como o seu modelo se sai calculando a acurácia. Para isso, primeiro é preciso uma matriz de confusão.

Comece com o logitModelFull. O modelo já está especificado e disponível no seu ambiente.

Este exercício faz parte do curso

Machine Learning for Marketing Analytics in R

Ver curso

Instruções do exercício

Use predict() para obter a probabilidade de cada cliente dar default no pagamento.
Para construir a matriz de confusão, use a função confusion.matrix() do pacote SDMTools. Observe que o SDMTools não pode mais ser baixado do CRAN. Portanto, se quiser praticar no seu computador, você pode instalar o pacote usando remotes::install_version("SDMTools", "1.1-221.2"), o que instalará a versão do SDMTools usada neste curso.
Escolha um limiar comum de 0,5.
Calcule a acurácia usando a matriz de confusão.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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

Editar e executar o código