Anpassning i urvalet – begränsad modell

Du beräknade noggrannheten för logitModelFull. Det är viktigt att göra samma sak för alla dina modellkandidater.

Därför är logitModelNew specificerad och finns tillgänglig i din miljö.

När du jämför värdena från olika modeller: Om flera modeller har samma noggrannhet, välj alltid den modell som har färre förklaringsvariabler.

Den här övningen är en del av kursen

Maskininlärning för marknadsanalys i R

Visa kurs

Övningsinstruktioner

Utför samma steg som i föregående övning, men för den nya modellen.
Använd predict() för att beräkna en sannolikhet för att varje kund uteblir med sin betalning.
Beräkna sedan en förväxlingsmatris med samma tröskel på 0,5 för klassificering. Observera att SDMTools inte längre kan laddas ned från CRAN. Installera det i stället via remotes::install_version("SDMTools", "1.1-221.2").
Beräkna noggrannheten för den begränsade modellen och jämför den med den fullständiga modellens noggrannhet. Du fortsätter sedan analysen med den överlägsna modellen.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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

Redigera och kör kod