Ajuster un modèle de probabilité de survie du moineau

Dans cet exercice, vous estimerez la probabilité qu'un moineau survive à une forte tempête hivernale, à partir de ses caractéristiques physiques. L'ensemble de données sparrow a été préchargé. La variable cible à prédire est status ("Survived", "Perished"). Les variables considérées sont :

total_length : longueur de l'oiseau du bout du bec au bout de la queue (mm)
weight : en grammes
humerus : longueur de l'humérus ("l'os du bras" qui relie l'aile au corps) (pouces)

Rappelez-vous qu'avec glm() (docs) pour créer un modèle de régression logistique, vous devez préciser explicitement family = binomial :

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

Vous appellerez summary() et broom::glance() pour voir différentes fonctions d'examen d'un modèle de régression logistique. L'un des diagnostics que vous consulterez est l'analogue du $R^2$, appelé pseudo-$R^2$.

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

Vous pouvez voir la déviance comme analogue à la variance : c'est une mesure de la variation dans des données catégorielles. Le pseudo-$R^2$ est analogue au $R^2$ en régression standard : le $R^2$ mesure la « variance expliquée » par un modèle de régression. Le pseudo-$R^2$ mesure la « déviance expliquée ».

Cette activité fait partie du cours

Apprentissage supervisé en R : régression

Voir le cours

Instructions de l’exercice

Comme suggéré dans la vidéo, vous prédirez les issues TRUE et FALSE. Créez une nouvelle colonne survived dans la trame de données sparrow qui est TRUE lorsque status == "Survived".
Créez la formule fmla qui exprime survived en fonction des variables d'intérêt. Affichez-la.
Ajustez un modèle de régression logistique pour prédire la probabilité de survie du moineau. Assignez le modèle à la variable sparrow_model.
Appelez summary() pour voir les coefficients du modèle, la déviance et la déviance nulle.
Appelez glance() sur le modèle pour voir les déviances et autres diagnostics dans une trame de données. Assignez la sortie de glance() à la variable perf.
Calculez le pseudo-$R^2$.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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 <- ___)

Modifier et exécuter le code