Log oddsratio
Een nadeel van kansen (probabilities) en oddsratio's voor voorspellingen met logistische regressie is dat de voorspellingslijnen gekromd zijn. Daardoor is het lastiger om te begrijpen wat er met de voorspelling gebeurt als je de verklarende variabele aanpast. Het logaritme van de oddsratio (de "log oddsratio") heeft wél een lineair verband tussen de voorspelde respons en de verklarende variabele. Dat betekent dat als de verklarende variabele verandert, je geen abrupte sprongen in de responsmetriek ziet, maar alleen lineaire veranderingen.
Omdat de werkelijke waarden van de log oddsratio minder intuïtief zijn dan de (lineaire) oddsratio, is het voor visualisaties meestal beter om de oddsratio te plotten en een logtransformatie toe te passen op de y-as.
mdl_churn_vs_relationship, explanatory_data en plt_churn_vs_relationship zijn beschikbaar en dplyr is geladen.
Deze oefening maakt deel uit van de cursus
Introductie tot regressie in R
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Update the data frame
prediction_data <- explanatory_data %>%
mutate(
has_churned = predict(mdl_churn_vs_relationship, explanatory_data, type = "response"),
odds_ratio = has_churned / (1 - has_churned),
# Add the log odds ratio from odds_ratio
log_odds_ratio = ___,
# Add the log odds ratio using predict()
log_odds_ratio2 = ___
)
# See the result
prediction_data