Якість на тренувальних даних: обмежена модель
Ви вже обчислили точність для logitModelFull. Дуже важливо зробити це для всіх кандидатів у моделі.
Отже, logitModelNew уже задано й доступна у вашому середовищі.
Порівнюючи значення різних моделей між собою: якщо кілька моделей мають однакову точність, завжди обирайте модель з меншою кількістю пояснювальних змінних.
Ця вправа є частиною курсу
Machine Learning для маркетингової аналітики в R
Інструкції до вправи
Виконайте ті самі кроки, що й у попередній вправі, для нової моделі.
Скористайтеся
predict(), щоб отримати ймовірність для кожного клієнта прострочити платіж.Потім обчисліть матрицю помилок із тим самим порогом 0,5 для класифікації. Зауважте, що
SDMToolsбільше не можна завантажити з CRAN. Замість цього встановіть його черезremotes::install_version("SDMTools", "1.1-221.2").Обчисліть точність обмеженої моделі та порівняйте її з точністю повної моделі. Ви продовжите аналіз лише з кращою моделлю.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Calculate the accuracy for 'logitModelNew'
# Make prediction
defaultData$predNew <- predict(logitModelNew, type = ___, na.action = ___)
# Construct the in-sample confusion matrix
confMatrixModelNew <- confusion.matrix(defaultData$___,defaultData$___, threshold = ___)
confMatrixModelNew
# Calculate the accuracy...
accuracyNew <- sum(diag(___)) / ___(___)
accuracyNew
# and compare it to the full model's accuracy
accuracyFull