Ajusta un modelo de probabilidad de supervivencia del gorrión

En este ejercicio, estimarás la probabilidad de que un gorrión sobreviva a una tormenta invernal severa, en función de sus características físicas. El conjunto de datos sparrow ya está precargado. El resultado a predecir es status ("Survived", "Perished"). Las variables que consideraremos son:

total_length: longitud del ave desde la punta del pico hasta la punta de la cola (mm)
weight: en gramos
humerus: longitud del húmero ("hueso del brazo" que conecta el ala con el cuerpo) (pulgadas)

Recuerda que al usar glm() (docs) para crear un modelo de regresión logística, debes especificar explícitamente family = binomial:

glm(formula, data = data, family = binomial)

Llamarás a summary() y broom::glance() para ver diferentes funciones para examinar un modelo de regresión logística. Uno de los diagnósticos que revisarás es el análogo de $R^2$, llamado pseudo-$R^2$.

$$ pseudoR^2 = 1 - \frac{deviance}{null.deviance} $$

Puedes pensar en la devianza como análoga a la varianza: es una medida de la variación en datos categóricos. El pseudo-$R^2$ es análogo al $R^2$ de la regresión estándar: el $R^2$ mide la "varianza explicada" por un modelo de regresión. El pseudo-$R^2$ mide la "devianza explicada".

Este ejercicio forma parte del curso

Aprendizaje supervisado en R: Regresión

Ver curso

Instrucciones del ejercicio

Como se sugirió en el vídeo, predecirás sobre los resultados TRUE y FALSE. Crea una nueva columna survived en el data frame sparrow que sea TRUE cuando status == "Survived".
Crea la fórmula fmla que exprese survived como función de las variables de interés. Imprímela.
Ajusta un modelo de regresión logística para predecir la probabilidad de supervivencia del gorrión. Asigna el modelo a la variable sparrow_model.
Llama a summary() para ver los coeficientes del modelo, la devianza y la devianza nula.
Llama a glance() sobre el modelo para ver las devianzas y otros diagnósticos en un data frame. Asigna la salida de glance() a la variable perf.
Calcula el pseudo-$R^2$.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# sparrow is available
summary(sparrow)

# Create the survived column
sparrow$survived <- ___

# Create the formula
(fmla <- _____)

# Fit the logistic regression model
sparrow_model <- ___

# Call summary
___

# Call glance
(perf <- ___)

# Calculate pseudo-R-squared
(pseudoR2 <- ___)

Editar y ejecutar código