Spécification et estimation du modèle

Vous avez vu la commande glm() pour exécuter une régression logistique. glm() signifie modèle linéaire généralisé et offre toute une famille de modèles de régression.

Utilisez le jeu de données de l'exercice pour cette tâche de programmation. Les données defaultData dont vous avez besoin pour cet exercice sont disponibles dans votre environnement et prêtes pour la modélisation.

Cette activité fait partie du cours

Machine Learning for Marketing Analytics in R

Voir le cours

Instructions de l’exercice

Utilisez la fonction glm() pour modéliser la probabilité qu'un client fasse défaut de paiement au moyen d'une régression logistique. Incluez toutes les variables explicatives du jeu de données et précisez les données à utiliser.
N'oubliez pas de préciser l'argument family.
Extrayez les coefficients du modèle, puis transformez-les en odds ratios et arrondissez.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Build logistic regression model
logitModelFull <- ___(PaymentDefault ~ limitBal + sex + education + marriage +
                   age + pay1 + pay2 + pay3 + pay4 + pay5 + pay6 + billAmt1 + 
                   billAmt2 + billAmt3 + billAmt4 + billAmt5 + billAmt6 + payAmt1 + 
                   payAmt2 + payAmt3 + payAmt4 + payAmt5 + payAmt6, 
                family = ___, data = ___)

# Take a look at the model
___(logitModelFull)

# Take a look at the odds ratios
coefsexp <- ___(logitModelFull) %>% ___ %>% round(2)
coefsexp

Modifier et exécuter le code