Previsioni con vincolo
Si usa la funzione glm() perché serve una funzione di risposta che vincoli le previsioni del modello tra zero e uno. Mostriamo questo effetto in un grafico. Ma questa volta devi tracciare una curva (invece di una linea retta)!
Inizia rappresentando la relazione HOPPINESS ~ price.ratio. Puoi aggiungere la funzione logistica al grafico usando curve(). La funzione curve() serve a valutare un'altra funzione in corrispondenza di punti dati x. Qui, quella funzione è predict()! La funzione predict() recupera i coefficienti di logistic.model per fare previsioni su alcuni valori forniti in un oggetto data frame. Il trucco è impostare price.ratio = x nell'argomento data.frame. In questo modo si adatta una curva attraverso i valori previsti.
Questo esercizio fa parte del corso
Creare modelli di risposta in R
Istruzioni dell'esercizio
- Visualizza la relazione tra
HOPPINESSeprice.ratiousando la funzioneplot(). - Ottieni le probabilità di acquisto per Hoppiness applicando la funzione
predict()alogistic.modelconprice.rationell'argomento del data frame. - Adatta una curva attraverso i valori previsti usando la funzione
curve().
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Plot HOPPINESS against price.ratio
___(___, data = choice.data)
# Add the logistic response function
___(___(___, data.frame(___), type = "response"), add = TRUE)