Predecir la supervivencia de los gorriones
En este ejercicio, vas a predecir la probabilidad de supervivencia usando el modelo de supervivencia de gorriones del ejercicio anterior.
Recuerda que al llamar a predict() (docs) para obtener las probabilidades predichas de un modelo glm(), debes indicar que quieres la respuesta:
predict(model, type = "response")
De lo contrario, predict() en un modelo de regresión logística devuelve los log-odds predichos del evento, no la probabilidad.
También usarás la función GainCurvePlot() (docs) para trazar la curva de ganancia a partir de las predicciones del modelo. Si la curva de ganancia del modelo está cerca de la curva ideal ("wizard"), entonces el modelo ha ordenado bien a los gorriones: es decir, el modelo predijo que los gorriones que realmente sobrevivieron tendrían una probabilidad de supervivencia más alta. Las entradas de la función GainCurvePlot() son:
frame: data frame con la columna de predicción y la columna de verdad terrenoxvar: el nombre de la columna de predicciones (como cadena)truthVar: el nombre de la columna con el resultado real (como cadena)title: un título para la gráfica (como cadena)
GainCurvePlot(frame, xvar, truthVar, title)
El data frame sparrow y el modelo sparrow_model ya están precargados.
Este ejercicio forma parte del curso
Aprendizaje supervisado en R: Regresión
Instrucciones del ejercicio
- Crea una columna nueva en
sparrowllamadapredque contenga las predicciones sobre los datos de entrenamiento. - Llama a
GainCurvePlot()para crear la curva de ganancia de las predicciones. ¿El modelo hace un buen trabajo ordenando a los gorriones según si realmente sobrevivieron o no?
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# sparrow is available
summary(sparrow)
# sparrow_model is available
summary(sparrow_model)
# Make predictions
sparrow$pred <- ___
# Look at gain curve
___(___, ___, ___, "sparrow survival model")