Validation du modèle, ajustement et prédiction

Machine Learning for Marketing Analytics in R

Verena Pflieger

Data Scientist at INWT Statistics

Coefficient de détermination $R^2$

$R^2$ et test F

summary(multipleLM2)

Residual standard error: 13.87 on 4179 degrees of freedom
Multiple R-squared:  0.3522,    Adjusted R-squared:  0.3504 
F-statistic: 206.5 on 11 and 4179 DF,  p-value: < 2.2e-16

Surapprentissage

Méthodes pour éviter le surapprentissage

AIC() du package stats
stepAIC() du package MASS
Validation hors échantillon
Validation croisée
...

AIC(multipleLM2)

33950.45

Nouveau jeu de données clvData2

head(clvData2)

# A tibble: 6 x 14
  customerID nOrders nItems daysSinceLastOrder margin returnRatio 
       <int>   <int>  <int>              <int>  <dbl>       <dbl>         
1          2      16     40                  2  57.62        0.18
2          3       1      5                124  29.69        1.00
3          4      15     30                 68  56.26        0.16
4          5      23     41                103  58.84        0.03
5          6       2      4                104  29.31        0.00
6          7       6     10                 41  35.72        0.06
#... with 8 more variables: shareOwnBrand <dbl>, shareVoucher <dbl>,
#  shareSale <dbl>, gender <chr>, age <int>, marginPerOrder <dbl>,
#  marginPerItem <dbl>, itemsPerOrder <dbl>

Prédiction

predMargin <- predict(multipleLM2, 
                      newdata = clvData2)
head(predMargin)

       1        2        3        4        5        6 
51.10204 31.63335 51.90008 52.62200 36.65194 33.84383

mean(predMargin, na.rm = TRUE)

33.95147

À retenir : régression linéaire

	Ce que vous avez appris en régression linéaire
Vous avez appris...	à prédire la valeur vie client future
	à utiliser une régression linéaire pour modéliser une variable continue
	que les variables de modélisation et de prédiction doivent porter les mêmes noms

À retenir : le modèle

	Ce que montre le modèle
Vous avez appris...	que la marge d'une année prédit bien la marge de l'année suivante
	plus le dernier achat est ancien, plus la marge attendue est faible
	des caractéristiques comme le genre et l'âge ne semblent pas influer sur la prédiction de la marge
	etc.

Passons à la pratique !

Machine Learning for Marketing Analytics in R