Construirea unui model mai sofisticat

Unul dintre cei mai buni predictori ai donațiilor viitoare este istoricul donațiilor recente, frecvente și generoase. În marketing, acest concept este cunoscut sub numele de R/F/M:

Recență (Recency)
Frecvență (Frequency)
Valoare monetară (Money)

Donatorii care nu au contribuit nici recent, nici frecvent pot fi deosebit de predispuși să doneze din nou; cu alte cuvinte, impactul combinat al recentei și frecvenței poate fi mai mare decât suma efectelor lor separate.

Deoarece acești predictori au împreună un impact mai mare asupra variabilei dependente, efectul lor comun trebuie modelat ca o interacțiune. Setul de date donors a fost deja încărcat pentru tine.

Acest exercițiu face parte din cursul

Supervised Learning în R: Clasificare

Vezi cursul

Instrucțiuni pentru exercițiu

Creează un model de regresie logistică al variabilei donated în funcție de money, plus interacțiunea dintre recency și frequency. Folosește * pentru a adăuga termenul de interacțiune.
Examinează summary()-ul modelului pentru a confirma că efectul de interacțiune a fost inclus.
Salvează probabilitățile prezise de model ca rfm_prob. Folosește funcția predict() și nu uita să setezi argumentul type.
Trasează o curbă ROC folosind funcția roc(). Ține minte că această funcție primește coloana de rezultate și vectorul de predicții.
Calculează AUC pentru noul model cu funcția auc() și compară performanța cu cea a modelului mai simplu.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Build a recency, frequency, and money (RFM) model
rfm_model <- ___

# Summarize the RFM model to see how the parameters were coded


# Compute predicted probabilities for the RFM model
rfm_prob <- ___

# Plot the ROC curve and find AUC for the new model
library(pROC)
ROC <- ___
plot(___, col = "red")
auc(___)

Editează și rulează codul