Качество подгонки ограниченной модели на обучающих данных

Вы уже рассчитали точность для logitModelFull. Важно проделать то же самое для каждого из кандидатов на финальную модель.

Модель logitModelNew уже задана и доступна в вашем окружении.

При сравнении значений точности разных моделей помните: если несколько моделей показывают одинаковую точность, выбирайте ту, в которой меньше объясняющих переменных.

Это упражнение является частью курса

Машинное обучение для маркетинговой аналитики на R

Посмотреть курс

Инструкции к упражнению

Выполните те же шаги, что и в предыдущем упражнении, но теперь для новой модели.
С помощью predict() получите вероятность оттока для каждого клиента.
Затем постройте матрицу ошибок с тем же порогом классификации 0,5. Обратите внимание: пакет SDMTools больше недоступен в CRAN. Установите его через remotes::install_version("SDMTools", "1.1-221.2").
Рассчитайте точность ограниченной модели и сравните её с точностью полной модели. В дальнейшем анализе вы будете работать только с лучшей из двух.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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

Редактировать и запускать код