Специфікація моделі

Функція stepAIC() повертає скорочену модель — як ви щойно бачили в попередньому відео. Тепер застосуйте цей підхід до навчального набору даних defaultData.

Підготовлений набір даних доступний у вашому середовищі. Крім того, пакет MASS завантажено, а раніше побудовану логістичну модель logitModelFull уже визначено для вас. Зверніть увагу, що ми зменшили розмір набору даних, адже покроковий вибір моделі може тривати довго на більших наборах і складніших моделях.

Ця вправа є частиною курсу

Machine Learning для маркетингової аналітики в R

Переглянути курс

Інструкції до вправи

Скористайтеся функцією stepAIC(). Встановіть trace = 0, щоб не отримувати вивід для всього процесу вибору моделі. Збережіть результат в об'єкт logitModelNew.
Далі використайте функцію summary(), щоб переглянути logitModelNew. Попереджувальне повідомлення в цьому випадку можна проігнорувати. Подивіться, що змінилося. Зрозумійте результати.
Формулу збережено в об'єкт, щоб вам не доводилося знову вводити все рівняння, коли захочете використати його пізніше.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

library(MASS)
# The old (full) model
logitModelFull <- glm(PaymentDefault ~ limitBal + sex + education + marriage +
                   age + pay1 + pay2 + pay3 + pay4 + pay5 + pay6 + billAmt1 + 
                   billAmt2 + billAmt3 + billAmt4 + billAmt5 + billAmt6 + payAmt1 + 
                   payAmt2 + payAmt3 + payAmt4 + payAmt5 + payAmt6, 
                 family = binomial, defaultData)

#Build the new model
logitModelNew <- stepAIC(___,___) 

#Look at the model
summary(logitModelNew) 

# Save the formula of the new model (it will be needed for the out-of-sample part) 
formulaLogit <- as.formula(summary(logitModelNew)$call)
formulaLogit

Редагувати та запускати код