样本内拟合：受限模型
您已经计算了 logitModelFull 的准确率。对所有模型候选都这么做非常重要。
因此，logitModelNew 已经在您的环境中定义。
在相互比较不同模型的数值时：如果多个模型的准确率相同，请始终选择解释变量更少的模型。
本练习是课程的一部分
用 R 进行市场营销分析的机器学习
练习说明
对新模型重复上一个练习的相同步骤。
使用
predict()为每位客户生成其违约付款的概率。然后在阈值为 0.5 的条件下计算混淆矩阵以进行分类。请注意，
SDMTools现在无法从 CRAN 下载。请改用remotes::install_version("SDMTools", "1.1-221.2")进行安装。计算受限模型的准确率，并与完整模型的准确率进行比较。后续分析只保留表现更优的模型。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Calculate the accuracy for 'logitModelNew'
# Make prediction
defaultData$predNew <- predict(logitModelNew, type = ___, na.action = ___)
# Construct the in-sample confusion matrix
confMatrixModelNew <- confusion.matrix(defaultData$___,defaultData$___, threshold = ___)
confMatrixModelNew
# Calculate the accuracy...
accuracyNew <- sum(diag(___)) / ___(___)
accuracyNew
# and compare it to the full model's accuracy
accuracyFull