เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การกำหนดสเปกโมเดล

ฟังก์ชัน stepAIC() จะคืนค่าโมเดลที่ลดความซับซ้อนลง ดังที่เห็นในวิดีโอที่ผ่านมา ตอนนี้ให้นำวิธีนี้ไปใช้กับชุดข้อมูลแบบฝึกหัด defaultData

ชุดข้อมูลที่เตรียมไว้พร้อมใช้งานในสภาพแวดล้อมของคุณแล้ว นอกจากนี้ แพ็กเกจ MASS ได้ถูกโหลดไว้ และโมเดล logit ที่สร้างไว้ก่อนหน้าชื่อ logitModelFull ก็ถูกกำหนดไว้ให้แล้ว โปรดทราบด้วยว่าเราได้ลดขนาดของชุดข้อมูลลง เนื่องจากการเลือกโมเดลแบบ stepwise อาจใช้เวลานานมากกับชุดข้อมูลขนาดใหญ่และโมเดลที่ซับซ้อน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning for Marketing Analytics ใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ฟังก์ชัน stepAIC() โดยตั้งค่า trace = 0 เพื่อไม่ให้แสดงผลลัพธ์ระหว่างกระบวนการเลือกโมเดลทั้งหมด และบันทึกผลลัพธ์ไว้ในออบเจ็กต์ชื่อ logitModelNew
  • จากนั้นใช้ฟังก์ชัน summary() เพื่อดูรายละเอียดของ logitModelNew ข้อความเตือนที่ปรากฏในกรณีนี้สามารถละเว้นได้ ลองดูว่ามีอะไรเปลี่ยนแปลงไปบ้าง และทำความเข้าใจกับผลลัพธ์ที่ได้
  • สูตรของโมเดลถูกบันทึกไว้ในออบเจ็กต์แล้ว เพื่อที่จะได้ไม่ต้องพิมพ์สมการทั้งหมดใหม่เมื่อต้องการใช้ในภายหลัง

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

library(MASS)
# The old (full) model
logitModelFull <- glm(PaymentDefault ~ limitBal + sex + education + marriage +
                   age + pay1 + pay2 + pay3 + pay4 + pay5 + pay6 + billAmt1 + 
                   billAmt2 + billAmt3 + billAmt4 + billAmt5 + billAmt6 + payAmt1 + 
                   payAmt2 + payAmt3 + payAmt4 + payAmt5 + payAmt6, 
                 family = binomial, defaultData)

#Build the new model
logitModelNew <- stepAIC(___,___) 

#Look at the model
summary(logitModelNew) 

# Save the formula of the new model (it will be needed for the out-of-sample part) 
formulaLogit <- as.formula(summary(logitModelNew)$call)
formulaLogit
แก้ไขและรันโค้ด