Bouw je eerste logistische regressiemodel

In de video bouwen we een eenvoudig logistisch regressiemodel waarbij we emp_age gebruiken om turnover te voorspellen. In deze oefening bouw je een vergelijkbaar model om turnover te voorspellen met percent_hike.

Zoals in de video besproken, hebben we de volgende kolommen uit de gegevensset verwijderd:

emp_id, mgr_id
date_of_joining, last_working_date, cutoff_date
mgr_age, emp_age
median_compensation, department
status

Deze nieuwe gegevensset is beschikbaar in train_set_multi.

Deze oefening maakt deel uit van de cursus

HR-analytics: verloop van medewerkers voorspellen in R

Cursus bekijken

Oefeninstructies

Bouw een eenvoudig logistisch regressiemodel om turnover te voorspellen met percent_hike.
Print de samenvatting van dit model.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Build a simple logistic regression model
simple_log <- ___(___, 
                  family = "binomial", data = train_set_multi)

# Print summary
___(simple_log)

Code bewerken en uitvoeren