1. Apprendre
    2. /
  2. Cours
    3. /
  3. Introduction à la régression en R
Connected

Exercice

Probabilités

Il existe quatre façons principales d'exprimer la prédiction d'un modèle de régression logistique — nous allons les examiner dans les quatre prochains exercices. D'abord, comme la variable de réponse vaut soit « yes » soit « no », vous pouvez prédire la probabilité d'un « yes ». Ici, vous allez calculer et visualiser ces probabilités.

Trois variables sont disponibles :

  • mdl_churn_vs_relationship est le modèle de régression logistique de has_churned en fonction de time_since_first_purchase.
  • explanatory_data est une trame de données contenant les valeurs explicatives.
  • plt_churn_vs_relationship est un nuage de points de has_churned selon time_since_first_purchase avec une courbe lisse glm.

dplyr est chargé.

Instructions 1/2

undefined XP
    1
    2
  • Utilisez le modèle mdl_churn_vs_relationship et les données explicatives explanatory_data pour prédire la probabilité d'attrition. Attribuez les prédictions à la colonne has_churned d'une trame de données prediction_data. N'oubliez pas de définir le type de la prédiction.