Основная потеря, данная проверку допустимости модели по умолчанию
В этом примере показано, как выполнить валидацию базовой модели на модели потери, данной значение по умолчанию (LGD) путем просмотра подобранной модели, оцененных коэффициентов и p-значений. Для получения дополнительной информации о проверке допустимости модели смотрите modelDiscrimination и modelAccuracy.
Загрузка данных
Загрузите данные о портфеле.
load LGDData.mat
head(data)ans=8×4 table
LTV Age Type LGD
_______ _______ ___________ _________
0.89101 0.39716 residential 0.032659
0.70176 2.0939 residential 0.43564
0.72078 2.7948 residential 0.0064766
0.37013 1.237 residential 0.007947
0.36492 2.5818 residential 0
0.796 1.5957 residential 0.14572
0.60203 1.1599 residential 0.025688
0.92005 0.50253 investment 0.063182
Подбирайте качество подгонки модели модели и анализа
Создайте обучение и протестируйте наборы данных, чтобы выполнить валидацию базовой модели.
rng('default'); % for reproducibility NumObs = height(data); c = cvpartition(NumObs,'HoldOut',0.4); TrainingInd = training(c); TestInd = test(c);
Подбирайте модель с помощью fitLifetimePDModel.
ModelType ="regression"; lgdModel = fitLGDModel (данные (TrainingInd, :), ModelType,... 'ModelID','Example',... 'Description','Example LGD regression model.',... 'PredictorVars',{'LTV' 'Age' 'Type'},... 'ResponseVar','LGD'); disp (lgdModel)
Regression with properties:
ResponseTransform: "logit"
BoundaryTolerance: 1.0000e-05
ModelID: "Example"
Description: "Example LGD regression model."
UnderlyingModel: [1x1 classreg.regr.CompactLinearModel]
PredictorVars: ["LTV" "Age" "Type"]
ResponseVar: "LGD"
Отобразите базовую статистическую модель. Отображенная информация содержит содействующие оценки, а также их стандартные погрешности, t-статистику и p-значения. Базовая статистическая модель также показывает количество наблюдений и других подходящих метрик.
disp(lgdModel.UnderlyingModel)
Compact linear regression model:
LGD_logit ~ 1 + LTV + Age + Type
Estimated Coefficients:
Estimate SE tStat pValue
________ ________ _______ __________
(Intercept) -4.7549 0.36041 -13.193 3.0997e-38
LTV 2.8565 0.41777 6.8377 1.0531e-11
Age -1.5397 0.085716 -17.963 3.3172e-67
Type_investment 1.4358 0.2475 5.8012 7.587e-09
Number of observations: 2093, Error degrees of freedom: 2089
Root Mean Squared Error: 4.24
R-squared: 0.206, Adjusted R-Squared: 0.205
F-statistic vs. constant model: 181, p-value = 2.42e-104
В случае базовой статистической модели для Regression модель, базовая модель возвращена как компактный линейный объект модели. Компактная версия базового Regression модель является экземпляром classreg.regr.CompactLinearModel класс. Для получения дополнительной информации смотрите fitlm и CompactLinearModel.
Смотрите также
fitLGDModel | modelAccuracy | modelAccuracyPlot | modelDiscrimination | modelDiscriminationPlot | predict | Regression | Tobit
Связанные примеры
- Потеря модели, данная значение по умолчанию
- Сравните модель Товита LGD с эталонной моделью
- Сравните потерю, данную модели по умолчанию Используя перекрестную проверку