Бінарне передбачення

У попередній вправі ви використали функцію glm() для побудови моделі логістичної регресії поведінки донорів. Як і для багатьох методів машинного навчання в R, до об'єкта моделі можна застосувати функцію predict() для прогнозування майбутньої поведінки. Типово predict() повертає передбачення у вигляді логарифмів шансів (log odds), якщо не вказано type = "response". Цей аргумент перетворює логарифми шансів на ймовірності.

Оскільки модель логістичної регресії оцінює ймовірність результату, поріг, за яким ймовірність означає дію, визначаєте ви. Потрібно збалансувати крайнощі — надмірну обережність і надмірну агресивність. Наприклад, якщо звертатися лише до людей з ймовірністю пожертви 99% або більше, ви можете втратити багатьох із нижчими оціненими ймовірностями, які все ж таки зроблять пожертву. Такий баланс особливо важливо враховувати для сильно незбалансованих результатів, як у цьому наборі даних, де пожертви трапляються відносно рідко.

Набір даних donors і модель donation_model доступні для вашого використання.

Ця вправа є частиною курсу

Наглядове навчання в R: Класифікація

Переглянути курс

Інструкції до вправи

Використайте функцію predict() для оцінки ймовірності пожертви для кожної людини. Задайте аргумент type, щоб отримати ймовірності. Запишіть передбачення в новий стовпчик donation_prob.
Знайдіть фактичну ймовірність того, що пересічна людина зробить пожертву, передавши функції mean() відповідний стовпчик датафрейму donors.
Скористайтеся ifelse(), щоб передбачити пожертву, якщо їхня передбачена ймовірність пожертви більша за середню. Запишіть передбачення в новий стовпчик donation_pred.
Використайте функцію mean(), щоб обчислити точність моделі.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Estimate the donation probability
donors$donation_prob <- predict(___, type = "___")

# Find the donation probability of the average prospect
mean(___)

# Predict a donation if probability of donation is greater than average (0.0504)
donors$donation_pred <- ifelse(___ > 0.0504, ___, ___)

# Calculate the model's accuracy
mean(___ == ___)

Редагувати та запускати код