Modellvalidering, modellpassning och prediktion

Maskininlärning för marknadsanalys i R

Verena Pflieger

Data Scientist at INWT Statistics

Determinationskoefficienten $R^2$

$R^2$ och F-test

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

Överanpassning

Metoder för att undvika överanpassning

AIC() från paketet stats
stepAIC() från paketet MASS
Modellvalidering på ny data
Korsvalidering
...

AIC(multipleLM2)

33950.45

Ny datamängd: 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>

Prediktion

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

Lärdomar: linjär regression

	Lärdomar: linjär regression
Du har lärt dig...	att prediktera framtida kundlivstidsvärde
	att använda linjär regression för att modellera en kontinuerlig variabel
	att variablerna för modellering och prediktion måste ha samma namn

Lärdomar från modellen

	Lärdomar från modellen
Du har lärt dig...	att marginalen ett år är en bra prediktor för marginalen påföljande år
	att ju längre tid sedan senaste order, desto lägre förväntad marginal
	att faktorer som kön och ålder inte verkar ha någon roll för prediktion av marginal
	osv...

Nu kör vi en övning!

Maskininlärning för marknadsanalys i R