로그 오즈
로지스틱 회귀 예측에서 확률과 오즈(odds)의 단점 중 하나는 예측 곡선이 굽어 있다는 점이에요. 이 때문에 설명 변수를 바꿨을 때 예측이 어떻게 달라지는지 직관적으로 파악하기 어렵죠. 반면 오즈의 로그(“로그 오즈” 또는 “로짓”)는 예측된 반응 변수와 설명 변수 사이에 선형 관계가 있습니다. 즉, 설명 변수가 변해도 반응 지표가 급격히 변하지 않고 선형적으로 변해요.
다만 로그 오즈의 실제 값은 (선형) 오즈보다 직관성이 떨어지기 때문에, 시각화할 때는 보통 오즈를 그린 다음 y축 스케일에 로그 변환을 적용하는 것이 더 좋습니다.
mdl_churn_vs_relationship, explanatory_data, 그리고 prediction_data는 이전 연습 문제에서 사용하던 객체가 준비되어 있습니다.
이 연습은 강의의 일부입니다
Python에서 statsmodels로 살펴보는 회귀 소개
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Update prediction data with log_odds
____
# Print the head
print(____)