เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การประเมินความเหมาะสมในตัวอย่างของโมเดลที่จำกัดตัวแปร

คำนวณความแม่นยำของ logitModelFull ไปแล้ว และสิ่งสำคัญคือต้องทำเช่นเดียวกันกับโมเดลตัวเลือกทุกตัวด้วย

ดังนั้น logitModelNew จึงถูกกำหนดไว้และพร้อมใช้งานในสภาพแวดล้อมของคุณแล้ว

เมื่อเปรียบเทียบค่าความแม่นยำของโมเดลต่าง ๆ กัน: หากโมเดลหลายตัวมีค่าความแม่นยำเท่ากัน ให้เลือกโมเดลที่มีตัวแปรอธิบายน้อยกว่าเสมอ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning for Marketing Analytics ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ทำขั้นตอนเดียวกับแบบฝึกหัดก่อนหน้า แต่ใช้กับโมเดลใหม่

  • ใช้ predict() เพื่อคำนวณความน่าจะเป็นที่ลูกค้าแต่ละรายจะผิดนัดชำระเงิน

  • จากนั้นสร้าง confusion matrix โดยใช้ค่าเกณฑ์ 0.5 สำหรับการจำแนกประเภทเช่นเดิม โปรดทราบว่า SDMTools ไม่สามารถดาวน์โหลดจาก CRAN ได้อีกต่อไป ให้ติดตั้งผ่าน remotes::install_version("SDMTools", "1.1-221.2") แทน

  • คำนวณความแม่นยำของโมเดลที่จำกัดตัวแปร แล้วเปรียบเทียบกับความแม่นยำของโมเดลเต็ม จากนั้นดำเนินการวิเคราะห์ต่อด้วยโมเดลที่ให้ผลดีกว่าเพียงตัวเดียว

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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
แก้ไขและรันโค้ด