Bộ phân loại láng giềng quan hệ (Relational Neighbor Classifier)
Trong bài tập này, bạn sẽ áp dụng một bộ phân loại dựa trên mạng đơn giản gọi là relational neighbor classifier.
Bộ phân loại này sử dụng nhãn lớp của các nút lân cận để tính xác suất rời bỏ cho từng nút trong mạng.
Ví dụ, trong mạng dưới đây nơi các nút màu đỏ là khách hàng rời bỏ và các nút màu trắng là không rời bỏ, xác suất rời bỏ của nút màu xanh là 0.4.
Bạn được cung cấp hai vector: ChurnNeighbors và NonChurnNeighbors, lần lượt cho biết số lượng hàng xóm của mỗi khách hàng đã rời bỏ và không rời bỏ.
Bài tập này là một phần của khóa học
Phân tích dự đoán với dữ liệu mạng trong R
Hướng dẫn bài tập
- Tính xác suất rời bỏ của từng khách hàng,
churnProb, bằng bộ phân loại láng giềng quan hệ. - Dùng
which()để tìm các khách hàng có xác suất rời bỏ cao nhất. Gọi vector này làmostLikelyChurners. - Dùng
mostLikelyChurnersđể tìm ID của các khách hàng có xác suất rời bỏ cao nhất.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Compute the churn probabilities
churnProb <- ___ / (ChurnNeighbors + ___)
# Find who is most likely to churn
mostLikelyChurners <- which(churnProb == ___(churnProb))
# Extract the IDs of the most likely churners
customers$id[___]