Seleção de variáveis com base no AUC

Modelagem de Risco de Crédito em R

Lore Dirick

Manager of Data Science Curriculum at Flatiron School

Curvas ROC para 4 modelos de regressão logística

Captura de tela 2020-06-22 às 18.31.53.png

Curvas ROC para 4 modelos de regressão logística

Captura de tela 2020-06-22 às 18.31.44.png

Curvas ROC para 4 modelos de regressão logística

Captura de tela 2020-06-22 às 18.31.33.png

Poda baseada em AUC

1) Comece com um modelo incluindo todas as variáveis (no nosso caso, 7) e calcule o 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)

Area under the curve: 0.6512

2) Construa 7 novos modelos, removendo uma variável de cada vez, e faça previsões de PD usando o conjunto de teste

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) Fique com o modelo que teve o melhor AUC (AUC do modelo completo: 0.6512)

auc(test_set$loan_status, pred_1_remove_amnt)

Area under the curve: 0.6537

auc(test_set$loan_status, pred_1_remove_grade)

Area under the curve: 0.6438

auc(test_set$loan_status, pred_1_remove_home)

Area under the curve: 0.6537

4) Repita até o AUC cair (significativamente)

Vamos praticar!

Modelagem de Risco de Crédito em R