Spécification et estimation du modèle
Vous avez vu la commande glm() pour estimer une régression logistique. glm() signifie generalized linear model et propose toute une famille de modèles de régression.
Utilisez le jeu de données de l'exercice pour cette tâche de code. Les données defaultData dont vous avez besoin pour cet exercice sont disponibles dans votre environnement et prêtes pour la modélisation.
Cet exercice fait partie du cours
<cours>Machine Learning for Marketing Analytics in R</cours>Instructions de l’exercice
- Utilisez la fonction
glm()pour modéliser la probabilité qu'un client fasse défaut de paiement à l'aide d'une régression logistique. Incluez toutes les variables explicatives du jeu de données et précisez les données à utiliser. - N'oubliez pas de spécifier l'argument
family. - Extrayez les coefficients du modèle, transformez-les ensuite 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