Prognozowanie za pomocą modeli logistycznych
Model regresji logistycznej oblicza prawdopodobieństwo, że dana obserwacja należy do jednej z klas.
Model logistyczny z dwiema zmiennymi objaśniającymi ma następującą postać:
$$\frac{1}{1+e^{-(\beta_{0} + \beta_{1} \cdot x_{1} + \beta_{2} \cdot x_{2})}}$$
Funkcje R wykonują całą ciężką pracę za użytkownika, ale znajomość mechanizmów, które za nimi stoją, pozwoli ci pewnie stosować je podczas rozmowy kwalifikacyjnej.
W poprzednim ćwiczeniu korzystałeś ze zbioru danych parkinsons i dopasowałeś model regresji logistycznej model. Oba te obiekty oraz ramka danych new_person są dostępne w twoim środowisku.
To ćwiczenie jest częścią kursu
Ćwiczenie statystycznych pytań rekrutacyjnych w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Print the new person's data
print(___)
# Print the logistic model
___(___)