Istnieją cztery główne sposoby wyrażania predykcji modelu regresji logistycznej – przyjrzymy się każdemu z nich w kolejnych czterech ćwiczeniach. Na początek: ponieważ zmienna objaśniana przyjmuje wartości „tak" lub „nie", można przewidzieć prawdopodobieństwo wystąpienia wartości „tak". W tym ćwiczeniu obliczysz i zwizualizujesz te prawdopodobieństwa.

Dostępne są trzy zmienne:

mdl_churn_vs_relationship to model regresji logistycznej zmiennej has_churned względem time_since_first_purchase.
explanatory_data to ramka danych z wartościami zmiennej objaśniającej.
plt_churn_vs_relationship to wykres punktowy zmiennej has_churned względem time_since_first_purchase z wygładzoną linią glm.

Biblioteka dplyr jest załadowana.

Ocena jakości dopasowania regresji logistycznej

Create Your Free Account