Selección de variables según el AUC

Modelización del riesgo de crédito en R

Lore Dirick

Manager of Data Science Curriculum at Flatiron School

Curvas ROC para 4 modelos de regresión logística

Captura de pantalla 2020-06-22 a las 6.31.53 p. m..png

Curvas ROC para 4 modelos de regresión logística

Captura de pantalla 2020-06-22 a las 6.31.44 p. m..png

Curvas ROC para 4 modelos de regresión logística

Captura de pantalla 2020-06-22 a las 6.31.33 p. m..png

Poda basada en AUC

1) Empieza con un modelo con todas las variables (aquí, 7) y calcula el AUC

log_model_full <- glm(loan_status ~ loan_amnt + grade + home_ownership + 
                      annual_inc + age + emp_cat + ir_cat, 
                      family = "binomial", data = training_set)

predictions_model_full <- predict(log_model_full, 
                                  newdata = test_set, type ="response")

AUC_model_full <- auc(test_set$loan_status, predictions_model_full)

Área bajo la curva: 0.6512

2) Construye 7 modelos nuevos, quitando cada vez una variable, y haz predicciones PD con el set de prueba

log_1_remove_amnt <- glm(loan_status ~ grade + home_ownership + annual_inc + age + emp_cat + ir_cat,
                         family = "binomial",
                         data = training_set)

log_1_remove_grade <- glm(loan_status ~ loan_amnt + home_ownership + annual_inc + age + emp_cat + ir_cat,
                          family = "binomial",
                          data = training_set)

log_1_remove_home <- glm(loan_status ~ loan_amnt + grade + annual_inc + age + emp_cat + ir_cat,
                         family = "binomial",
                         data = training_set)

pred_1_remove_amnt <- predict(log_1_remove_amnt, newdata = test_set, type = "response")
pred_1_remove_grade <- predict(log_1_remove_grade, newdata = test_set, type = "response")
pred_1_remove_home <- predict(log_1_remove_home, newdata = test_set, type = "response")
...

3) Quédate con el modelo con mejor AUC (AUC modelo completo: 0.6512)

auc(test_set$loan_status, pred_1_remove_amnt)

Área bajo la curva: 0.6537

auc(test_set$loan_status, pred_1_remove_grade)

Área bajo la curva: 0.6438

auc(test_set$loan_status, pred_1_remove_home)

Área bajo la curva: 0.6537

4) Repite hasta que el AUC baje (de forma significativa)

¡Vamos a practicar!

Modelización del riesgo de crédito en R