指定阈值
我们已经向您展示了，如何通过设定阈值来获得更理想的混淆矩阵。现在，您将学习如何把预测向量转换为由二元值组成的向量，用来指示贷款状态。R 中的 ifelse() 函数可以帮助您完成这个转换。
在阈值的语境下使用 ifelse()，您可以这样写：
ifelse(predictions > 0.3, 1, 0)
在第一个参数中，您在判断预测向量中的某个值是否大于 0.3。若为 TRUE，R 返回"1"（由第二个参数指定）；若为 FALSE，R 返回"0"（由第三个参数指定）。它们分别表示"违约"和"未违约"。
本练习是课程的一部分
R 中的信用风险建模
练习说明
- 控制台中给出了完整逻辑回归模型及其预测向量的代码。
- 使用 0.15 作为阈值，基于
ifelse()函数和predictions_all_full创建向量pred_cutoff_15。 - 使用
table()查看混淆矩阵（将真实值test_set$loan_status放在第一个参数中）。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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