构建更复杂的模型
预测未来捐赠的最佳指标之一，是既最近、又频繁、且金额较大的历史捐赠。用营销术语来说，这称为 R/F/M：
- Recency
- Frequency
- Money
既不够"最近"又不够"频繁"的捐赠者，可能尤其容易再次捐赠；换句话说，新近度与频率的"组合"影响可能大于二者单独影响之和。
由于这些预测变量共同对因变量产生更大影响，其联合效应应建模为交互作用。donors 数据集已为您加载。
本练习是课程的一部分
R 中的监督学习：分类
练习说明
- 以
money以及recency与frequency的交互项来建模donated的逻辑回归。使用*添加交互项。 - 查看模型的
summary()，确认已包含交互效应。 - 将模型的预测概率保存为
rfm_prob。使用predict()函数，并记得设置type参数。 - 使用函数
roc()绘制 ROC 曲线。请记住，该函数接收结果列与预测向量。 - 使用函数
auc()计算新模型的 AUC，并与较简单模型的表现进行比较。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Build a recency, frequency, and money (RFM) model
rfm_model <- ___
# Summarize the RFM model to see how the parameters were coded
# Compute predicted probabilities for the RFM model
rfm_prob <- ___
# Plot the ROC curve and find AUC for the new model
library(pROC)
ROC <- ___
plot(___, col = "red")
auc(___)