Prédire la survie des moineaux
Dans cet exercice, vous allez prédire la probabilité de survie en utilisant le modèle de survie des moineaux de l'exercice précédent.
Rappelez-vous que lorsque vous appelez predict() (docs) pour obtenir les probabilités prédites d'un modèle glm(), vous devez préciser que vous voulez la réponse :
predict(model, type = "response")
Sinon, predict() sur un modèle de régression logistique renvoie les log-cotes (log-odds) prédites de l'événement, et non la probabilité.
Vous utiliserez aussi la fonction GainCurvePlot() (docs) pour tracer la courbe de gain à partir des prédictions du modèle. Si la courbe de gain du modèle est proche de la courbe de gain idéale ("wizard"), alors le modèle a bien classé les moineaux : c'est-à-dire qu'il a prédit une probabilité de survie plus élevée pour les moineaux qui ont effectivement survécu. Les paramètres de la fonction GainCurvePlot() sont :
frame: trame de données avec la colonne de prédiction et la colonne de vérité terrainxvar: nom de la colonne des prédictions (en chaîne de caractères)truthVar: nom de la colonne avec le résultat réel (en chaîne de caractères)title: un titre pour le graphique (en chaîne de caractères)
GainCurvePlot(frame, xvar, truthVar, title)
La trame de données sparrow et le modèle sparrow_model ont été préchargés.
Cette activité fait partie du cours
Apprentissage supervisé en R : régression
Instructions de l’exercice
- Créez une nouvelle colonne dans
sparrowappeléepredqui contient les prédictions sur les données d'entraînement. - Appelez
GainCurvePlot()pour créer la courbe de gain des prédictions. Le modèle classe-t-il bien les moineaux selon qu'ils ont réellement survécu ou non ?
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# sparrow is available
summary(sparrow)
# sparrow_model is available
summary(sparrow_model)
# Make predictions
sparrow$pred <- ___
# Look at gain curve
___(___, ___, ___, "sparrow survival model")