Örnek içi uyum: tam model

Yeniden kodlama zamanı; yani defaultData egzersiz veri kümesine geri dönüyoruz.

Şimdi doğruluğu (accuracy) hesaplayarak modelinin nasıl performans gösterdiğini öğrenmek istiyorsun. Bunu yapmak için önce bir karmaşıklık matrisine ihtiyacın var.

Önce logitModelFull ile başla. Model zaten tanımlı ve çalışma ortamında mevcut.

Bu egzersiz

R ile Pazarlama Analitiği için Machine Learning

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Her bir müşterinin ödemede temerrüde düşme olasılığını elde etmek için predict() kullan.
Karmaşıklık matrisini oluşturmak için SDMTools paketindeki confusion.matrix() fonksiyonunu kullan. SDMTools artık CRAN üzerinden indirilemiyor. Bu yüzden evde pratik yapmak istersen, bu derste kullanılan sürümü kurmak için remotes::install_version("SDMTools", "1.1-221.2") komutunu kullanabilirsin.
Eşik değeri olarak yaygın bir değer olan 0.5'i seç.
Doğruluğu, karmaşıklık matrisini kullanarak hesapla.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Make predictions using the full Model
defaultData$predFull <- predict(logitModelFull, type = ___, na.action = ___)

# Construct the in-sample confusion matrix
confMatrixModelFull <- confusion.matrix(defaultData$___,defaultData$___, threshold = ___)
confMatrixModelFull

# Calculate the accuracy for the full Model
accuracyFull <- sum(diag(___)) / ___(___)
accuracyFull

Kodu Düzenle ve Çalıştır