Chỉ định ngưỡng cắt
Chúng tôi đã cho bạn thấy cách việc đặt một ngưỡng cắt có thể tạo nên khác biệt để thu được một ma trận nhầm lẫn tốt. Giờ bạn sẽ học cách chuyển đổi vector dự đoán thành một vector giá trị nhị phân thể hiện trạng thái khoản vay. Hàm ifelse() trong R sẽ giúp bạn làm điều này.
Áp dụng hàm ifelse() trong bối cảnh ngưỡng cắt, bạn sẽ có dạng như sau
ifelse(predictions > 0.3, 1, 0)
Ở đối số thứ nhất, bạn kiểm tra xem một giá trị nào đó trong vector dự đoán có lớn hơn 0.3 hay không. Nếu điều này là TRUE, R trả về "1" (được chỉ định ở đối số thứ hai), nếu FALSE, R trả về "0" (được chỉ định ở đối số thứ ba), lần lượt biểu thị "default" và "no default".
Bài tập này là một phần của khóa học
Mô hình hóa rủi ro tín dụng bằng R
Hướng dẫn bài tập
- Mã cho mô hình hồi quy logistic đầy đủ cùng với vector dự đoán đã có sẵn trong console của bạn.
- Với ngưỡng cắt 0.15, hãy tạo vector
pred_cutoff_15bằng hàmifelse()vàpredictions_all_full. - Xem ma trận nhầm lẫn bằng
table()(nhập giá trị thật, tứctest_set$loan_status, ở đối số thứ nhất).
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# The code for the logistic regression model and the predictions is given below
log_model_full <- glm(loan_status ~ ., family = "binomial", data = training_set)
predictions_all_full <- predict(log_model_full, newdata = test_set, type = "response")
# Make a binary predictions-vector using a cut-off of 15%
# Construct a confusion matrix