Modellanpassning och tröskeloptimering

Maskininlärning för marknadsanalys i R

Verena Pflieger

Data Scientist at INWT Statistics

Pseudo-$R^2$-statistik I

$$ \text{McFadden:~} \quad R^2 =1-\frac{lnL_{\text{full}}}{lnL_{\text{null}}} $$

$$ \text{Cox \& Snell:~} R^2 = 1-\left(\frac{L_{\text{null}}}{L_{\text{full}}}\right)^{\frac{2}{n}} $$

$$ \text{Nagelkerke:~} R^2 = \frac{1-\left(\frac{L_{\text{null}}}{L_{\text{full}}}\right)^{\frac{2}{n}}}{1-(L_{\text{null}})^{\frac{2}{n}}} $$

Tolkning:

Godtagbart om > 0,2
Bra om > 0,4
Mycket bra om > 0,5

Pseudo-$R^2$-statistik II

library(descr)

LogRegR2(logitModelNew)

Chi2                     1321.717
Df                       19
Sig.                     0
Cox and Snell Index      0.02879553
Nagelkerke Index         0.0469131
McFadden's R2            0.03071032

Prediktera sannolikheter

churnData$predNew <- predict(logitModelNew, 
                             type = "response", 
                              na.action = na.exclude)
data %>% select(returnCustomer, predNew) %>% tail()

      returnCustomer   predNew
45231              0 0.2843944
45232              0 0.1552756
45233              1 0.2522597
45234              1 0.1454276
45235              0 0.2698819
45236              0 0.2886988

Konfusionsmatris

library(SDMTools)
# Note that `SDMTools` cannot be downloaded from CRAN anymore. 
# Install it instead via `remotes::install_version("SDMTools", "1.1-221.2")`
confMatrixNew <- confusion.matrix(churnData$returnCustomer, 
                    churnData$predNew, threshold = 0.5)
confMatrixNew

     obs
pred 0     1
   0 36921 8242
   1 43    30

Prediktion \ Sanning	negativ	positiv
negativ	sant negativ	falskt negativ
positiv	falskt positiv	sant positiv

Noggrannhet

accuracyNew <- sum(diag(confMatrixNew)) / sum(confMatrixNew)
accuracyNew

0.8168494

Hitta det optimala tröskelvärdet

Prediktion \ Sanning	returnCustomer = 0	returnCustomer = 1
returnCustomer = 0	5	-15
returnCustomer = 1	0	0

vinst = 5 * sant negativ - 15 * falskt negativ

Tröskel	Noggrannhet	Vinst
0,5	0,817	60975
0,4	0,815	62180
[0,3]	[0,794]	[65740]
0,2	0,668	65670
0,1	0,241	10550

Överanpassning

Nu kör vi en övning!

Maskininlärning för marknadsanalys i R