शुरू करेंमुफ़्त में शुरू करें

गौरैया के सर्वाइवल की प्रायिकता का मॉडल फिट करें

इस अभ्यास में, आप शारीरिक विशेषताओं के आधार पर यह अनुमान लगाएँगे कि कोई गौरैया भीषण सर्दियों के तूफ़ान से बचती है या नहीं। डेटासेट sparrow पहले से लोड है। जिस आउटकम की भविष्यवाणी करनी है, वह है status ("Survived", "Perished"). जिन वैरिएबल्स पर हम विचार करेंगे, वे हैं:

  • total_length: चोंच की नोक से पूँछ की नोक तक पक्षी की लंबाई (mm)
  • weight: ग्राम में
  • humerus: ह्यूमरस की लंबाई ("ऊपरी भुजा की हड्डी" जो पंख को शरीर से जोड़ती है) (इंच में)

ध्यान रखें कि glm() (docs) का उपयोग करके logistic regression मॉडल बनाते समय आपको स्पष्ट रूप से family = binomial बताना होता है:

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

आप logistic regression मॉडल की जाँच के लिए अलग-अलग फंक्शंस देखने हेतु summary() और broom::glance() कॉल करेंगे। जिन डायग्नॉस्टिक्स को आप देखेंगे, उनमें \(R^2\) का समकक्ष pseudo-\(R^2\) शामिल है।

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

आप deviance को variance के समान मान सकते हैं: यह श्रेणीबद्ध डेटा में परिवर्तनशीलता का एक माप है। pseudo-\(R^2\) मानक regression के \(R^2\) के समान है: \(R^2\) एक regression मॉडल के "variance explained" का माप है। pseudo-\(R^2\) "deviance explained" का माप है।

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Supervised Learning: Regression

पाठ्यक्रम देखें

अभ्यास निर्देश

  • जैसा कि वीडियो में सुझाया गया है, आप TRUE और FALSE आउटकम्स पर प्रेडिक्ट करेंगे। sparrow डेटा फ्रेम में नया कॉलम survived बनाएँ, जो तब TRUE हो जब status == "Survived".
  • वह फॉर्मूला fmla बनाएँ जो survived को संबंधित वैरिएबल्स के फंक्शन के रूप में व्यक्त करता हो। उसे प्रिंट करें।
  • गौरैया के सर्वाइवल की प्रायिकता प्रेडिक्ट करने के लिए एक logistic regression मॉडल फिट करें। मॉडल को वैरिएबल sparrow_model में असाइन करें।
  • मॉडल के गुणांक (coefficients), deviance और null deviance देखने के लिए summary() कॉल करें।
  • मॉडल पर glance() कॉल करें ताकि deviances और अन्य डायग्नॉस्टिक्स एक डेटा फ्रेम में दिखें। glance() के आउटपुट को वैरिएबल perf में असाइन करें।
  • pseudo-\(R^2\) की गणना करें।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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 <- ___)
कोड संपादित करें और चलाएँ