Trénování logistických modelů
Mnoho obchodních problémů vyžaduje předpověď binární výstupní proměnné. Tvůj budoucí zaměstnavatel může potřebovat detekovat spamové e-maily, podvody s kreditními kartami nebo vzácná onemocnění.
Logistická regrese je standardní metoda pro problémy binární klasifikace.
V tomto cvičení použiješ dataset Parkinson's z repozitáře UCI. Tento dataset obsahuje řadu biomedicínských hlasových měření od lidí s Parkinsonovou nemocí i bez ní.
Z datasetu budeš pracovat s těmito proměnnými:
status– 1, pokud osoba trpí Parkinsonovou nemocí, 0 v opačném případě,NHR– míra poměru šumu k tonálním složkám hlasu,DFA– fraktální škálovací exponent signálu.
Dataset je dostupný jako parkinsons.
Toto cvičení je součástí kurzu
Procvičování statistických otázek k pohovoru v R
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Plot status vs NHR
___(status ~ ___, data = ___)
# Plot status vs DFA
___(___ ~ ___, ___ = ___)