Specyfikacja i estymacja modelu
Poznałeś już polecenie glm() służące do uruchamiania regresji logistycznej. glm() to skrót od generalized linear model (uogólniony model liniowy) i obejmuje całą rodzinę modeli regresji.
W tym zadaniu skorzystaj ze zbioru danych ćwiczeniowych. Dane defaultData potrzebne do tego ćwiczenia są dostępne w twoim środowisku i gotowe do modelowania.
To ćwiczenie jest częścią kursu
Uczenie maszynowe w analizie marketingowej w R
Instrukcje do ćwiczenia
- Użyj funkcji
glm(), aby zamodelować prawdopodobieństwo, że klient nie spłaci swojego zobowiązania – zastosuj regresję logistyczną. Uwzględnij wszystkie zmienne objaśniające ze zbioru danych i wskaż dane, które mają być użyte. - Pamiętaj o określeniu argumentu
family. - Wyodrębnij współczynniki z modelu, następnie przekształć je na ilorazy szans i zaokrąglij wynik.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Build logistic regression model
logitModelFull <- ___(PaymentDefault ~ limitBal + sex + education + marriage +
age + pay1 + pay2 + pay3 + pay4 + pay5 + pay6 + billAmt1 +
billAmt2 + billAmt3 + billAmt4 + billAmt5 + billAmt6 + payAmt1 +
payAmt2 + payAmt3 + payAmt4 + payAmt5 + payAmt6,
family = ___, data = ___)
# Take a look at the model
___(logitModelFull)
# Take a look at the odds ratios
coefsexp <- ___(logitModelFull) %>% ___ %>% round(2)
coefsexp