1. 학습
    2. /
  2. 강의
    3. /
  3. Wprowadzenie do regresji z użyciem statsmodels w Pythonie
Connected

연습 문제

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.

지침 1/2

undefined XP
    1
    2
  • Zaktualizuj prediction_data, dodając kolumnę log_odds obliczoną na podstawie kolumny odds.
  • Wyświetl pierwsze pięć wierszy prediction_data.