Підгонка на тренувальних даних: повна модель

Знову час для коду, тож повернімося до навчального набору defaultData.

Тепер ви хочете дізнатися, як працює ваша модель, обчисливши точність. Щоб це зробити, спершу потрібна матриця неточностей.

Почніть з logitModelFull. Модель уже задана й доступна у вашому середовищі.

Ця вправа є частиною курсу

Machine Learning для маркетингової аналітики в R

Переглянути курс

Інструкції до вправи

Використайте predict(), щоб отримати ймовірність прострочення платежу для кожного клієнта.
Щоб побудувати матрицю неточностей, скористайтеся функцією confusion.matrix() з пакета SDMTools. Зверніть увагу, що SDMTools більше не доступний на CRAN. Тож якщо ви хочете попрактикуватися на домашньому комп'ютері, встановіть пакет за допомогою remotes::install_version("SDMTools", "1.1-221.2"), що інсталює ту версію SDMTools, яку використано в цьому курсі.
Оберіть поширений поріг 0.5.
Обчисліть точність, використовуючи матрицю неточностей.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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

Редагувати та запускати код