Bygg en mer avancerad modell

En av de starkaste indikatorerna på framtida donationer är en historia av nyliga, frekventa och stora gåvor. Inom marknadsföring kallas detta R/F/M:

Recency (aktualitet)
Frequency (frekvens)
Money (belopp)

Donatorer som inte har givit varken nyligen eller ofta kan vara särskilt benägna att donera igen – med andra ord kan den kombinerade effekten av aktualitet och frekvens vara större än summan av de enskilda effekterna.

Eftersom dessa prediktorer tillsammans har en större påverkan på den beroende variabeln måste deras gemensamma effekt modelleras som en interaktion. Datamängden donors har redan laddats in åt dig.

Den här övningen är en del av kursen

Övervakat lärande i R: Klassificering

Visa kurs

Övningsinstruktioner

Skapa en logistisk regressionsmodell av donated som en funktion av money plus interaktionen mellan recency och frequency. Använd * för att lägga till interaktionstermen.
Granska modellens summary() för att bekräfta att interaktionseffekten lades till.
Spara modellens förutsagda sannolikheter som rfm_prob. Använd funktionen predict() och kom ihåg att ange argumentet type.
Rita en ROC-kurva med funktionen roc(). Den här funktionen tar kolumnen med utfall och vektorn med förutsägelser.
Beräkna AUC för den nya modellen med funktionen auc() och jämför resultatet med den enklare modellen.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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(___)

Redigera och kör kod