맥주 수요를 위한 프로빗 모델
다른 데이터 과학자들이 구매 의사결정 모델링에 프로빗 반응 함수를 선호한다는 얘기를 들었어요. 프로빗은 구매 결정을 잠재 성향(latent propensity)으로 다룹니다. 뭔가 대단해 보이고 조금 긴장되지만, 여러분도 프로빗을 한번 시도해 보려고 해요.
glm() 함수를 사용해 HOPPINESS ~ price.ratio의 관계를 다시 모델링할 수 있어요. 이번에는 family 인수에 binomial(link = probit)만 추가하면 됩니다. 추정된 계수는 평소처럼 coef() 함수로 얻을 수 있어요.
이 연습은 강의의 일부입니다
R로 만드는 반응 모형
연습 안내
glm()함수와 인수family = binomial(link = probit)을 사용해price.ratio로HOPPINESS를 설명하세요. 결과를probit.model이라는 객체에 할당하세요.coef()함수를 사용해probit.model의 계수를 구하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Explain HOPPINESS by price.ratio
probit.model <- ___(___, family = ___, data = choice.data)
# Obtain the coefficients