मॉडल स्पेसिफिकेशन और एस्टिमेशन

आपने लॉजिस्टिक रिग्रेशन चलाने के लिए glm() कमांड देखा है. glm() का अर्थ generalized linear model है और यह रिग्रेशन मॉडलों का पूरा परिवार उपलब्ध कराता है.

इस कोडिंग टास्क के लिए दिए गए अभ्यास डेटासेट का उपयोग कीजिए. इस अभ्यास के लिए आवश्यक डेटा defaultData आपके एन्वायरनमेंट में उपलब्ध है और मॉडलिंग के लिए तैयार है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Marketing Analytics के लिए Machine Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

लॉजिस्टिक रिग्रेशन का उपयोग करके यह मॉडल कीजिए कि कोई कस्टमर अपने पेमेंट पर डिफॉल्ट करेगा या नहीं. डेटासेट के हर explanatory वैरिएबल को शामिल करें और उपयोग होने वाला डेटा स्पेसिफाई करें.
family आर्ग्युमेंट स्पेसिफाई करना न भूलें.
मॉडल से coefficients एक्सट्रैक्ट करें, फिर उन्हें odds ratios में ट्रांसफॉर्म करें और round करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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

कोड संपादित करें और चलाएँ