Especificação do modelo

A função stepAIC() retorna um modelo reduzido, como você acabou de ver no vídeo anterior. Agora, você vai aplicar esse método ao conjunto de dados do exercício, defaultData.

O conjunto de dados preparado está disponível no seu ambiente. Além disso, o pacote MASS já está carregado e o modelo logístico logitModelFull que você criou anteriormente está definido para você. Observe também que reduzimos o tamanho do conjunto de dados, pois a seleção stepwise de modelos pode levar muito tempo com conjuntos maiores e modelos mais complexos.

Este exercício faz parte do curso

Machine Learning for Marketing Analytics in R

Ver curso

Instruções do exercício

Use a função stepAIC(). Defina trace = 0, já que você não quer obter a saída de todo o processo de seleção do modelo. Salve o resultado no objeto logitModelNew.
Em seguida, use a função summary() para analisar logitModelNew. Nesta situação, você pode ignorar a mensagem de aviso. Siga em frente e veja o que mudou. Entenda os resultados.
A fórmula é salva em um objeto para que você não precise digitar toda a equação novamente quando quiser usá-la mais tarde.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

library(MASS)
# The old (full) model
logitModelFull <- glm(PaymentDefault ~ limitBal + sex + education + marriage +
                   age + pay1 + pay2 + pay3 + pay4 + pay5 + pay6 + billAmt1 + 
                   billAmt2 + billAmt3 + billAmt4 + billAmt5 + billAmt6 + payAmt1 + 
                   payAmt2 + payAmt3 + payAmt4 + payAmt5 + payAmt6, 
                 family = binomial, defaultData)

#Build the new model
logitModelNew <- stepAIC(___,___) 

#Look at the model
summary(logitModelNew) 

# Save the formula of the new model (it will be needed for the out-of-sample part) 
formulaLogit <- as.formula(summary(logitModelNew)$call)
formulaLogit

Editar e executar o código