Relationsbaserad grannklassificerare

I den här övningen tillämpar du en enkel nätverksbaserad klassificerare som kallas relationsbaserad grannklassificerare. Den använder klassetiketterna hos angränsande noder för att beräkna en churn-sannolikhet för varje nod i nätverket.
I nätverket nedan representerar röda noder churners och vita noder icke-churners. Churn-sannolikheten för den blå noden är 0,4.

Relational neighbor classifier

Du har tillgång till två vektorer: ChurnNeighbors och NonChurnNeighbors, som innehåller antalet grannar per kund som har churnat respektive inte churnat.

Den här övningen är en del av kursen

Prediktiv analys med nätverksdata i R

Visa kurs

Övningsinstruktioner

Beräkna churn-sannolikheten för varje kund, churnProb, med hjälp av den relationsbaserade grannklassificeraren.
Använd which() för att hitta de kunder som har den högsta churn-sannolikheten. Spara resultatet i vektorn mostLikelyChurners.
Använd mostLikelyChurners för att ta fram ID:n för de kunder som har den högsta churn-sannolikheten.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Compute the churn probabilities
churnProb <- ___ / (ChurnNeighbors + ___)

# Find who is most likely to churn
mostLikelyChurners <- which(churnProb == ___(churnProb))

# Extract the IDs of the most likely churners
customers$id[___]

Redigera och kör kod