Log odds
Jedną z wad prawdopodobieństw i ilorazów szans w predykcjach regresji logistycznej jest to, że linie predykcji dla każdego z nich są zakrzywione. Utrudnia to wnioskowanie o tym, co dzieje się z predykcją, gdy zmienia się zmienna objaśniająca. Logarytm ilorazu szans (zwany "log odds" lub "logitem") ma natomiast liniową zależność między przewidywaną odpowiedzią a zmienną objaśniającą. Oznacza to, że gdy zmienna objaśniająca się zmienia, nie obserwujesz gwałtownych zmian w wartości odpowiedzi – jedynie zmiany liniowe.
Ponieważ rzeczywiste wartości log odds są mniej intuicyjne niż (liniowe) ilorazy szans, do celów wizualizacji lepiej jest zazwyczaj wykreślić ilorazy szans i zastosować transformację logarytmiczną do skali osi y.
mdl_churn_vs_relationship, explanatory_data oraz prediction_data są dostępne z poprzedniego ćwiczenia.
To ćwiczenie jest częścią kursu
Wprowadzenie do regresji z użyciem statsmodels w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Update prediction data with log_odds
____
# Print the head
print(____)