In diesem Modul beginnen wir damit, einzelne Variablen und ihre Beziehung zum Status des Kredits zu untersuchen. Beachten Sie, dass dieses Modul Inhalte aus früheren Kursen der Spezialisierung enthält. Diese Inhalte sind nicht obligatorisch, werden aber zur Wiederholung empfohlen.

Es gibt zwar viele Möglichkeiten, ein Klassifizierungsmodell zu erstellen, aber wir werden uns auf die logistische Regression konzentrieren, ein gängiges Instrument für Marketingprobleme, bei denen die abhängige Variable binär ist. Wir beginnen mit der Auswahl einer einzigen Prädiktorvariablen und bestimmen dann, welche anderen Variablen zu unserer Analyse hinzugefügt werden müssen. In diesem Modul werden wir uns auf die Entwicklung alternativer Modelle konzentrieren, die alle einen einzigen Prädiktor haben.

Im vorangegangenen Modul haben wir ein Modell geschätzt, das Wohneigentum damit verknüpft, ob ein Kredit als riskant eingestuft wird oder nicht. In diesem Modul werden wir zunächst die Genauigkeit dieses Modells im Vergleich zu einem naiven Modell bewerten. Anschließend werden wir diese Tabelle verwenden, um zu beurteilen, wie gut das Modell funktioniert, wenn verschiedene Prädiktoren verwendet werden.

In diesem Modul werden wir die entwickelte logistische Regression verallgemeinern, um mehrere Prädiktorvariablen einzubeziehen. Wir werden auch eine alternative Methode zur Bewertung der Leistung des Modells in Betracht ziehen.

In diesem Modul finden Sie ein abschließendes Video mit Glückwünschen von Professor David Schweidel.