Vizualizace více vysvětlujících proměnných
Logistická regrese také podporuje více vysvětlujících proměnných. Vizualizace přináší podobné komplikace jako v případě lineární regrese: čím více číselných proměnných chceme zobrazit, tím rychleji se graf stává nepřehledným. V tomto cvičení se zaměříme na případ dvou číselných vysvětlujících proměnných – a řešení je v podstatě stejné jako dříve: odpověď (response) odlišíme barvou.
Zdejší proměnná odpovědi nabývá pouze dvou hodnot (nula a jedna). Jakmile ale do grafu přidáme predikované hodnoty, budou všechny ležet mezi nulou a jedničkou. V takovém případě je klíčové rozpoznat, zda jsou předpovědi blíže nule, nebo jedničce. Proto se hodí dvoubarevný gradient s dělicím bodem 0,5: hodnoty nad 0,5 budou mít jednu barvu a hodnoty pod 0,5 barvu druhou.
Dataset churn je k dispozici; ggplot2 je načteno.
Toto cvičení je součástí kurzu
Intermediate Regression in R
Pokyny k cvičení
- Z datasetu
churnvytvoř graf závislosti aktuálnosti nákupu,time_since_last_purchase, na délce zákaznického vztahu,time_since_first_purchase, s barevným rozlišením podle toho, zda zákazník odešel,has_churned. - Přidej vrstvu bodů s průhledností nastavenou na
0.5. - Použij dvoubarevný gradient s dělicím bodem
0.5. - Použij černo-bílý motiv.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Using churn, plot recency vs. length of relationship colored by churn status
___ +
# Make it a scatter plot, with transparency 0.5
___ +
# Use a 2-color gradient split at 0.5
___ +
# Use the black and white theme
___