Ajuste de modelos logísticos
Muchos problemas de negocio requieren predecir una variable de respuesta binaria. Tu futuro empleador puede necesitar detectar correos spam, fraudes con tarjetas de crédito o enfermedades raras.
El modelo de regresión logística es el método de referencia para problemas de clasificación binaria.
En este ejercicio, usarás el conjunto de datos de Parkinson del repositorio UCI. Este conjunto contiene diversas medidas biomédicas de la voz de personas con y sin enfermedad de Parkinson.
Usarás las siguientes variables del conjunto de datos:
status- 1 si una persona tiene la enfermedad de Parkinson; 0 en caso contrario,NHR- una medida de la proporción de ruido respecto a los componentes tonales en la voz,DFA- un exponente de escalado fractal de la señal.
El conjunto de datos está disponible como parkinsons.
Este ejercicio forma parte del curso
Practicing Statistics Interview Questions in R
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Plot status vs NHR
___(status ~ ___, data = ___)
# Plot status vs DFA
___(___ ~ ___, ___ = ___)