모형 지정과 추정

로지스틱 회귀를 실행할 때 사용하는 glm() 명령을 보셨죠. glm()은 generalized linear model의 약자로, 다양한 회귀 모형을 제공합니다.

이번 코딩 과제를 위해 제공된 연습용 데이터셋을 사용해 보세요. 이 연습 문제에 필요한 데이터 defaultData는 이미 환경에 로드되어 있어, 바로 모형에 사용할 수 있습니다.

이 연습은 강의의 일부입니다

R로 배우는 Machine Learning 기반 마케팅 분석

강의 보기

연습 안내

로지스틱 회귀를 사용해 고객이 결제를 연체(default)할 확률을 모형화하려면 glm() 함수를 사용하세요. 데이터셋의 모든 설명 변수를 포함하고, 사용할 데이터를 지정하세요.
family 인수를 꼭 지정하세요.
모형에서 계수를 추출한 다음, 이를 승산비로 변환하고 반올림하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Build logistic regression model
logitModelFull <- ___(PaymentDefault ~ limitBal + sex + education + marriage +
                   age + pay1 + pay2 + pay3 + pay4 + pay5 + pay6 + billAmt1 + 
                   billAmt2 + billAmt3 + billAmt4 + billAmt5 + billAmt6 + payAmt1 + 
                   payAmt2 + payAmt3 + payAmt4 + payAmt5 + payAmt6, 
                family = ___, data = ___)

# Take a look at the model
___(logitModelFull)

# Take a look at the odds ratios
coefsexp <- ___(logitModelFull) %>% ___ %>% round(2)
coefsexp

코드 편집 및 실행