शुरू करेंमुफ़्त में शुरू करें

गौरैया के सर्वाइवल की भविष्यवाणी करें

इस अभ्यास में, आप पिछले अभ्यास के गौरैया सर्वाइवल मॉडल का उपयोग करके सर्वाइवल की प्रायिकता की भविष्यवाणी करेंगे।

याद रखें कि glm() मॉडल से predicted probabilities पाने के लिए जब आप predict() (docs) कॉल करते हैं, तो आपको यह निर्दिष्ट करना होता है कि आप response चाहते हैं:

predict(model, type = "response")

वरना, लॉजिस्टिक रिग्रेशन मॉडल पर predict() इवेंट के probability के बजाय उसके predicted log-odds लौटाता है।

आप GainCurvePlot() (docs) फंक्शन का उपयोग मॉडल प्रेडिक्शंस से gain curve प्लॉट करने के लिए भी करेंगे। यदि मॉडल का gain curve ideal ("wizard") gain curve के क़रीब है, तो मॉडल ने गौरैयाओं को अच्छी तरह sort किया है: यानी, मॉडल ने जिन गौरैयाओं का वास्तव में सर्वाइवल हुआ, उनके लिए सर्वाइवल की अधिक प्रायिकता प्रेडिक्ट की। GainCurvePlot() फंक्शन के इनपुट हैं:

  • frame: डेटा फ्रेम जिसमें prediction कॉलम और ground truth कॉलम हो
  • xvar: प्रेडिक्शंस वाले कॉलम का नाम (string के रूप में)
  • truthVar: वास्तविक outcome वाले कॉलम का नाम (string के रूप में)
  • title: प्लॉट का शीर्षक (string के रूप में)

GainCurvePlot(frame, xvar, truthVar, title)

sparrow डेटा फ्रेम और मॉडल sparrow_model पहले से लोड हैं।

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में Supervised Learning: Regression

पाठ्यक्रम देखें

अभ्यास निर्देश

  • sparrow में pred नाम का एक नया कॉलम बनाएँ, जिसमें प्रशिक्षण डेटा पर किए गए प्रेडिक्शंस हों।
  • प्रेडिक्शंस का gain curve बनाने के लिए GainCurvePlot() कॉल करें। क्या मॉडल ने इस आधार पर गौरैयाओं को अच्छे से sort किया है कि वे वास्तव में बचे या नहीं?

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# sparrow is available
summary(sparrow)

# sparrow_model is available
summary(sparrow_model)

# Make predictions
sparrow$pred <- ___

# Look at gain curve
___(___, ___, ___, "sparrow survival model")
कोड संपादित करें और चलाएँ