1. 学ぶ
  2. /
  3. コース
  4. /
  5. Pythonで学ぶstatsmodelsによる回帰入門

Connected

演習

対数オッズ

ロジスティック回帰で予測を確率やオッズで表す場合の欠点は、どちらの予測線も曲線になることです。これでは説明変数を変えたときに予測がどう変化するか、直感的に捉えにくくなります。一方、オッズの対数(「対数オッズ」または「ロジット」)は、予測される応答と説明変数のあいだに線形の関係があります。つまり、説明変数が変化しても、応答指標に劇的な変化は起きず、線形的に変化します。

ただし、対数オッズの値自体は(線形な)オッズより直感的ではありません。そのため可視化では、通常はオッズをプロットし、y軸のスケールに対して対数変換を適用するほうが見やすくなります。

mdl_churn_vs_relationship、explanatory_data、prediction_data は前の演習から利用できます。

指示1 / 2

undefined XP
    1
    2
  • prediction_data を更新し、odds から算出した log_odds 列を追加します。
  • prediction_data の先頭5行を表示します。