Výběr vstupů na základě AUC

Modelování kreditního rizika v R

Lore Dirick

Manager of Data Science Curriculum at Flatiron School

ROC křivky pro 4 modely logistické regrese

Snímek obrazovky se 4 ROC křivkami logistické regrese

ROC křivky pro 4 modely logistické regrese

Snímek obrazovky se 4 ROC křivkami logistické regrese

ROC křivky pro 4 modely logistické regrese

Snímek obrazovky se 4 ROC křivkami logistické regrese

Prořezávání na základě AUC

1) Začněte s modelem zahrnujícím všechny proměnné (v tomto případě 7) a vypočítejte 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) Sestavte 7 nových modelů, přičemž pokaždé odstraňte jednu proměnnou, a proveďte predikce PD pomocí testovací sady

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) Ponechte model s nejlepším AUC (AUC plného modelu: 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) Opakujte, dokud AUC (výrazně) neklesne

Pojďme si procvičit!

Modelování kreditního rizika v R