Построение более сложной модели

Один из лучших предикторов будущих пожертвований — история недавних, частых и крупных взносов. В маркетинге это принято называть R/F/M:

Recency (давность)
Frequency (частота)
Money (сумма)

Доноры, которые давно не жертвовали и делают это нечасто, могут быть особенно склонны к новому взносу. Иными словами, совокупное влияние давности и частоты может превышать сумму их отдельных эффектов.

Поскольку эти предикторы в совокупности оказывают более сильное воздействие на зависимую переменную, их совместный эффект необходимо моделировать как взаимодействие. Набор данных donors уже загружен для вас.

Это упражнение является частью курса

Обучение с учителем в R: классификация

Посмотреть курс

Инструкции к упражнению

Постройте модель логистической регрессии, в которой donated является функцией от money и взаимодействия recency с frequency. Используйте * для добавления члена взаимодействия.
Изучите summary() модели, чтобы убедиться, что эффект взаимодействия был добавлен.
Сохраните предсказанные вероятности модели в переменную rfm_prob. Используйте функцию predict() и не забудьте задать аргумент type.
Постройте ROC-кривую с помощью функции roc(). Напомним: эта функция принимает столбец результатов и вектор предсказаний.
Вычислите AUC для новой модели с помощью функции auc() и сравните её качество с более простой моделью.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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(___)

Редактировать и запускать код