สร้างโมเดลที่ซับซ้อนยิ่งขึ้น

หนึ่งในตัวทำนายที่ดีที่สุดสำหรับการบริจาคในอนาคต คือประวัติการบริจาคที่เกิดขึ้นบ่อย ล่าสุด และมีมูลค่าสูง ในแง่การตลาด แนวคิดนี้เรียกว่า R/F/M:

Recency (ความใหม่ล่าสุด)
Frequency (ความถี่)
Money (มูลค่า)

ผู้บริจาคที่ไม่ได้บริจาคมาสักระยะและมีความถี่ต่ำ อาจมีแนวโน้มที่จะบริจาคอีกครั้งเป็นพิเศษ กล่าวคือ ผลรวมเชิงปฏิสัมพันธ์ของ recency และ frequency อาจมากกว่าผลรวมของแต่ละตัวแยกกัน

เนื่องจากตัวทำนายเหล่านี้ส่งผลต่อตัวแปรตามมากขึ้นเมื่อรวมกัน จึงต้องสร้างโมเดลเอฟเฟกต์ร่วมของทั้งสองในรูปแบบ interaction ชุดข้อมูล donors ถูกโหลดไว้ให้แล้ว

สร้างโมเดล logistic regression ของ donated โดยใช้ money บวกกับ interaction ของ recency และ frequency ใช้ * เพื่อเพิ่ม interaction term
ตรวจสอบ summary() ของโมเดลเพื่อยืนยันว่า interaction effect ถูกเพิ่มเข้าไปแล้ว
บันทึกความน่าจะเป็นที่พยากรณ์ได้ของโมเดลไว้ในตัวแปร rfm_prob โดยใช้ฟังก์ชัน predict() และอย่าลืมตั้งค่าอาร์กิวเมนต์ type
พล็อต ROC curve โดยใช้ฟังก์ชัน roc() โดยฟังก์ชันนี้รับคอลัมน์ผลลัพธ์จริงและเวกเตอร์ของค่าพยากรณ์
คำนวณ AUC สำหรับโมเดลใหม่ด้วยฟังก์ชัน auc() แล้วเปรียบเทียบประสิทธิภาพกับโมเดลที่เรียบง่ายกว่า

แบบฝึกหัด

สร้างโมเดลที่ซับซ้อนยิ่งขึ้น

คำแนะนำ

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}แบบฝึกหัด

คำแนะนำ

แบบฝึกหัด