-
Notifications
You must be signed in to change notification settings - Fork 0
/
04_glm.R
222 lines (179 loc) · 7.82 KB
/
04_glm.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
# Para GLM vamos rodar primeiro o Churn em função de todas as variáveis
# na base de treino
############################################################
#antes de stepwise
set.seed(0)
glimpse(treino)
modelo_glm = glm(Churn ~ ., data = treino, family = "binomial")
summary(modelo_glm)
vif(modelo_glm)
summary(treino)
##export_summs(modelo_glm, final_model_glm)
##final_model_glm <- step(object = modelo_glm,
## k = qchisq(p = 0.05, df = 1, lower.tail = FALSE))
final_model_glm <- stepAIC(modelo_glm, direction="both")
logLik(final_model_glm)
vif(final_model_glm)
# o modelo abaixo é o resultado do stepwise
final_model_glm <- glm(formula = Churn ~ tenure + MonthlyCharges + SeniorCitizen +
PhoneService + MultipleLines + InternetService.xFiber.optic +
InternetService.xNo + OnlineBackup + DeviceProtection + StreamingTV +
StreamingMovies + Contract.xOne.year + Contract.xTwo.year +
PaperlessBilling + PaymentMethod.xElectronic.check + tenure_bin.x2.3.anos +
tenure_bin.x3.4.anos + tenure_bin.x4.5.anos + tenure_bin.x5.6.anos,
family = "binomial", data = treino)
summary(final_model_glm)
vif(final_model_glm)
# temos acuracia de 81.08 para cutoff de 0.5
confusionMatrix(table(predict(final_model_glm, type = "response") >= 0.5,
treino$Churn == 1)[2:1, 2:1], mode = "everything")
# temos acuracia de 78.47 para cutoff de 0.7
confusionMatrix(table(predict(final_model_glm, mode = "response") >= 0.7,
treino$Churn == 1)[2:1, 2:1])
# temos acuracia de 76.98 para cutoff de 0.3
confusionMatrix(table(predict(final_model_glm, type = "response") >= 0.3,
treino$Churn == 1)[2:1, 2:1])
#summary(final_model_glm)
# o Loglik é de -2302.189 com 20 graus de liberdade
logLik(final_model_glm)
vif(final_model_glm)
summary(final_model_glm)
# comparando os LL de antes e depois do stepwise
#lrtest(modelo_glm, final_model_glm)
#export_summs(modelo_glm, final_model_glm, scale = F,
# digits = 4)
#função prediction do pacote ROCR
#predicoes treino
predicoes_glm <- prediction(predictions = final_model_glm$fitted.values,
labels = treino$Churn)
##data(cars)
##reg <- lm(log(dist) ~ log(speed), data = cars)
##MAPE(y_pred = exp(reg$fitted.values), y_true = cars$dist)
#a função prediction, do pacote ROCR, cria um objeto com os dados necessários
#para a futura plotagem da curva ROC.
#função performance do pacote ROCR
dados_curva_roc_glm <- performance(predicoes_glm, measure = "sens")
#A função peformance(), do pacote ROCR, extrai do objeto 'predicoes' os
#dados de sensitividade e de especificidade para a plotagem.
#Desejamos os dados da sensitividade e de especificidade. Então, devemos
#digitar os seguintes códigos::
sensitividade <- (performance(predicoes_glm, measure = "sens"))@y.values[[1]]
especificidade <- (performance(predicoes_glm, measure = "spec"))@y.values[[1]]
#Extraindo os cutoffs:
cutoffs_glm <- [email protected][[1]]
dados_plotagem_glm <- cbind.data.frame(cutoffs_glm, especificidade, sensitividade)
#função roc do pacote pROC
ROC_glm <- roc(response = treino$Churn,
predictor = modelo_glm$fitted.values)
ggplotly(
ggroc(ROC_glm, color = "#440154FF", size = 1) +
geom_segment(aes(x = 1, xend = 0, y = 0, yend = 1),
color="grey40",
size = 0.2) +
labs(x = "Especificidade",
y = "Sensitividade",
title = paste("Área abaixo da curva:",
round(ROC_glm$auc, 3),
"|",
"Coeficiente de Gini",
round((ROC_glm$auc[1] - 0.5) / 0.5, 3))) +
theme_bw()
)
## COMANDOS ABAIXO PARA CONSTRUIR O GRAFICO COM ACURACIA, ESPECIFICIDADE E SENSIBILIDADE ######################################################################################
previsto <- predict(final_model_glm, type = "response", newdata = treino[,-24])
treino$prob <- previsto
# Using probability cutoff of 50%.
churn_previsto <- factor(ifelse(previsto >= 0.50, "Yes", "No"))
churn_real <- factor(ifelse(treino$Churn==1 , "Yes", "No"))
table(churn_real,churn_previsto)
###
cutoff_churn <- factor(ifelse(previsto >=0.50, "Yes", "No"))
conf_final <- confusionMatrix(cutoff_churn, churn_real, positive = "Yes")
accuracy <- conf_final$overall[1]
sensitivity <- conf_final$byClass[1]
specificity <- conf_final$byClass[2]
options(repr.plot.width = 8, repr.plot.height = 6)
perform_fn <- function(cutoff)
{
predicted_churn <- factor(ifelse(previsto >= cutoff, "Yes", "No"))
conf <- confusionMatrix(predicted_churn, churn_real, positive = "Yes")
accuracy <- conf$overall[1]
sensitivity <- conf$byClass[1]
specificity <- conf$byClass[2]
out <- t(as.matrix(c(sensitivity, specificity, accuracy)))
colnames(out) <- c("sensitividade", "especificidade", "acuracia")
return(out)
}
# vai de 0.01 até 0.80 o teste de variação dos cutoff
# este array vai ser o eixo dos cutoffs (x)
s = seq(0.01,0.80,length=100)
OUT = matrix(0,100,3)
for(i in 1:100)
{
OUT[i,] = perform_fn(s[i])
}
plot(s, OUT[,1],xlab="Cutoff",ylab="Valor",cex.lab=1.5,cex.axis=1.5,ylim=c(0,1),
type="l",lwd=2,axes=FALSE,col=2)
axis(1,seq(0,1,length=5),seq(0,1,length=5),cex.lab=1.5)
axis(2,seq(0,1,length=5),seq(0,1,length=5),cex.lab=1.5)
lines(s,OUT[,2],col="darkgreen",lwd=2)
lines(s,OUT[,3],col=4,lwd=2)
box()
legend("bottom",col=c(2,"darkgreen",4,"darkred"),text.font =0.5,inset = 0.05,
box.lty=0,cex = 0.8,
lwd=c(1,1,1,2),c("Sensitividade","Especificidade","Acurácia"))
abline(v = 0.29, col="red", lwd=1, lty=2)
axis(1, at = seq(0.1, 1, by = 0.1))
#######################################################################
########################### FAZENDO O TESTE COM O DATASET TESTE #######
options(repr.plot.width = 10, repr.plot.height = 8)
set.seed(0)
# tira a coluna 24 porque ela é o churn
previsto <- predict(final_model_glm, type = "response", newdata = teste[,-24])
ROC_glm <- roc(response = teste$Churn, predictor = as.numeric(previsto))
plot(ROC_glm, legacy.axes = TRUE, print.auc.y = 1.0, print.auc = TRUE)
ggplotly(
ggroc(ROC_glm, color = "#440154FF", size = 1) +
geom_segment(aes(x = 1, xend = 0, y = 0, yend = 1),
color="grey40",
size = 0.2) +
labs(x = "Especificidade",
y = "Sensitividade",
title = paste("Área abaixo da curva:",
round(ROC_glm$auc, 3),
"|",
"Coeficiente de Gini",
round((ROC_glm$auc[1] - 0.5) / 0.5, 3))) +
theme_bw()
)
###############################################################
# gráfico triplo da base de teste
###############################################################
previsto <- predict(final_model_glm, type = "response", newdata = teste[, -24])
cutoff_churn <- factor(ifelse(previsto >= 0.50, "Yes", "No"))
churn_previsto <- factor(ifelse(previsto >= 0.50, "Yes", "No"))
churn_real <- factor(ifelse(teste$Churn == 1, "Yes", "No"))
confusionMatrix(cutoff_churn, churn_real, positive = "Yes")
# table(churn_real,churn_previsto)
for(i in 1:100)
{
#print(s[i])
#enviado o cutoff como parametro, retornam 3 (sensitividade, especificidade, acurácia)
OUT[i,] = perform_fn(s[i])
}
plot(s, OUT[,1],xlab="Cutoff",
ylab="Valor",
cex.lab=1.5,
cex.axis=1.5,ylim=c(0,1),
type="l",lwd=2,axes=FALSE,col=2)
axis(1,seq(0,1,length=5),seq(0,1,length=5),cex.lab=1.5)
axis(2,seq(0,1,length=5),seq(0,1,length=5),cex.lab=1.5)
lines(s,OUT[,2],col="darkgreen",lwd=2)
lines(s,OUT[,3],col=4,lwd=2)
box()
legend("bottom",col=c(2,"darkgreen",4,"darkred"),text.font =0.5,inset = 0.02,
box.lty=0,cex = 0.8,
lwd=c(2,2,2,2),c("Sensitividade","Especificidade","Acurácia"))
abline(v = 0.29, col="red", lwd=1, lty=2)
axis(1, at = seq(0.1, 1, by = 0.1))
confusionMatrix(cutoff_churn, churn_real, positive = "Yes")