Kom igångKom igång gratis

Klassificeringar

Bryggeriets ledning har svårt att förhålla sig till "köpssannolikheter". De vill ha en modell som förutsäger faktiska köp. Ett sätt att lösa detta är att klassificera de predikterade sannolikheterna som predikterade köphändelser för Hoppiness.

Du hämtar de predikterade köpsannolikheterna genom att använda funktionen fitted() på objektet extended.model. Du klassificerar sedan prediktionerna på ett enkelt sätt: 1 om den predikterade köpsannolikheten överstiger 0.5, annars 0. Funktionen ifelse() låter dig göra detta. Därefter sammanfattar du de klassificerade köphändelserna med funktionen table(). Det relativa antalet köphändelser kan sedan beräknas med hjälp av mean().

Den här övningen är en del av kursen

Bygga responsmodeller i R

Visa kurs

Övningsinstruktioner

  • Hämta modellens prediktioner från objektet extended.model med funktionen fitted(). Använd funktionen ifelse() för att klassificera prediktionerna som 1 om den predikterade köpsannolikheten överstiger 0.5, annars 0. Tilldela resultatet till objektet predicted.
  • Hämta antalet köphändelser med funktionen table().
  • Hämta det relativa antalet köphändelser med funktionen mean().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Classify the predictions
predicted <- ___(___(extended.model) >= ___, ___, ___)

# Obtain the number of purchase events


# Obtain the relative number of purchase events
Redigera och kör kod