Modellpassning för fullständig modell på träningsdata
Dags att koda igen – vi återvänder till övningsdatamängden defaultData.
Nu vill du utvärdera hur väl modellen presterar genom att beräkna noggrannheten. För att göra det behöver du först en konfusionsmatris.
Börja med logitModelFull. Modellen är redan specificerad och finns i din miljö.
Den här övningen är en del av kursen
Maskininlärning för marknadsanalys i R
Övningsinstruktioner
- Använd
predict()för att beräkna sannolikheten att varje kund ställer in sin betalning. - Konstruera konfusionsmatrisen med funktionen
confusion.matrix()frånSDMTools. Observera attSDMToolsinte längre kan laddas ned från CRAN. Om du vill öva på din egen dator kan du installera paketet medremotes::install_version("SDMTools", "1.1-221.2"), vilket installerar den version avSDMToolssom används i kursen. - Välj ett vanligt tröskelvärde på 0,5.
- Beräkna noggrannheten med hjälp av konfusionsmatrisen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Make predictions using the full Model
defaultData$predFull <- predict(logitModelFull, type = ___, na.action = ___)
# Construct the in-sample confusion matrix
confMatrixModelFull <- confusion.matrix(defaultData$___,defaultData$___, threshold = ___)
confMatrixModelFull
# Calculate the accuracy for the full Model
accuracyFull <- sum(diag(___)) / ___(___)
accuracyFull