CommencezCommencez gratuitement

Prédictions bornées

La fonction glm() est utilisée parce que vous avez besoin d'une fonction de réponse qui borne les prédictions du modèle entre zéro et un. Illustrons cet effet sur un graphique. Mais cette fois, vous devez tracer une courbe (plutôt qu'une ligne droite) !

Commencez par tracer la relation HOPPINESS ~ price.ratio. Vous pouvez ajouter la fonction logistique au graphique en utilisant curve(). La fonction curve() sert à évaluer une autre fonction à des points de données x. Ici, cette fonction est predict() ! La fonction predict() récupère les coefficients de logistic.model pour faire des prédictions à propos de certaines valeurs fournies dans un objet de type data frame. L'astuce consiste à définir price.ratio = x dans l'argument data.frame. Cela ajuste une courbe à travers les valeurs prédites.

Cette activité fait partie du cours

Créer des modèles de réponse dans R

Voir le cours

Instructions de l’exercice

  • Affichez la relation entre HOPPINESS et price.ratio à l'aide de la fonction plot().
  • Obtenez les probabilités d'achat pour Hoppiness en appliquant la fonction predict() sur logistic.model avec price.ratio dans l'argument du data frame.
  • Ajustez une courbe à travers les valeurs prédites à l'aide de la fonction curve().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Plot HOPPINESS against price.ratio
___(___, data = choice.data)

# Add the logistic response function
___(___(___, data.frame(___), type = "response"), add = TRUE)
Modifier et exécuter le code