Dans ce module, nous commencerons à examiner les variables individuelles et leur relation avec le statut du prêt. Notez que ce module comprend des éléments de révision des cours précédents de la spécialisation. Ce contenu n'est pas obligatoire, mais il est recommandé de le revoir.

Bien qu'il existe de nombreuses façons de construire un modèle de classification, nous nous concentrerons sur l'utilisation de la régression logistique, un outil courant pour les problèmes de marketing dans lesquels la variable dépendante est binaire. Nous commencerons par choisir une seule variable prédictive, puis nous déterminerons quelles autres variables doivent être ajoutées à notre analyse. Dans ce module, nous nous concentrerons sur le développement de modèles alternatifs comportant tous une seule variable prédictive.

Dans le module précédent, nous avons estimé un modèle reliant la propriété du logement à la question de savoir si un prêt est considéré comme risqué ou non. Dans ce module, nous commencerons par évaluer la précision de ce modèle par rapport à un modèle naïf. Nous utiliserons ensuite cette feuille de calcul pour évaluer la performance du modèle lorsque différents prédicteurs sont utilisés.

Dans ce module, nous généraliserons l'outil de régression logistique qui a été développé pour inclure des variables prédictives multiples. Nous examinerons également un moyen alternatif d'évaluer la performance du modèle.

Ce module propose une dernière vidéo de félicitations du professeur David Schweidel.