Önceki egzersizde, bağışçı davranışını modellemek için glm() fonksiyonunu kullanarak bir lojistik regresyon modeli kurdun. R'deki birçok Machine Learning yönteminde olduğu gibi, gelecekteki davranışı öngörmek için predict() fonksiyonunu model nesnesine uygulayabilirsin. Varsayılan olarak predict(), type = "response" belirtilmedikçe tahminleri logit (log odds) cinsinden verir. Bu argüman logit değerlerini olasılıklara dönüştürür.

Lojistik regresyon modeli çıktının olasılığını tahmin ettiği için, bu olasılığın eylem anlamına geldiği eşiği belirlemek sana kalır. Aşırı temkinli olmak ile fazla agresif olmak arasında bir denge kurmak gerekir. Örneğin, yalnızca bağış olasılığı %99 veya daha yüksek olan kişilere ulaşsaydın, daha düşük tahmini olasılıklara sahip olup yine de bağış yapmayı seçen birçok kişiyi kaçırabilirdin. Bu denge, bu veri kümesinde olduğu gibi bağışların nispeten nadir görüldüğü şiddetle dengesiz sonuçlar için özellikle önemlidir.

donors veri kümesi ve donation_model modeli kullanımın için hazır.

ROC eğrilerini karşılaştırma

R'de Supervised Learning: Sınıflandırma

Uygulamalı etkileşimli egzersiz