Budowanie prostych modeli regresji logistycznej

Zbiór danych donors zawiera 93 462 przykłady osób, do których wysłano prośbę o datki na rzecz sparaliżowanych weteranów wojskowych. Kolumna donated przyjmuje wartość 1, jeśli dana osoba przekazała darowiznę w odpowiedzi na mailing, i 0 w przeciwnym razie. Ten binarny wynik będzie zmienną zależną w modelu regresji logistycznej.

Pozostałe kolumny to cechy potencjalnych darczyńców, które mogą wpływać na ich skłonność do wpłat. Są to zmienne niezależne modelu.

Budując model regresji, warto najpierw postawić hipotezę dotyczącą tego, które zmienne niezależne będą predyktywne dla zmiennej zależnej. Kolumna bad_address, ustawiona na 1 w przypadku nieprawidłowego adresu do korespondencji i 0 w przeciwnym razie, wydaje się zmniejszać szansę na dokonanie wpłaty. Podobnie można przypuszczać, że zainteresowanie religią (interest_religion) oraz sprawami weteranów (interest_veterans) wiąże się z większą skłonnością do przekazywania datków.

W tym ćwiczeniu wykorzystasz te trzy czynniki do zbudowania prostego modelu zachowań donacyjnych. Zbiór danych donors jest dostępny do użycia.

To ćwiczenie jest częścią kursu

Nadzorowane uczenie maszynowe w R: Klasyfikacja

Zobacz kurs

Instrukcje do ćwiczenia

Zbadaj strukturę donors za pomocą funkcji str().
Zlicz wystąpienia każdego poziomu zmiennej donated przy użyciu funkcji table().
Dopasuj model regresji logistycznej, korzystając z interfejsu formuły i trzech opisanych wcześniej zmiennych niezależnych.
- Wywołaj glm(), podając formułę jako pierwszy argument, a ramkę danych jako argument data.
- Zapisz wynik jako donation_model.
Podsumuj obiekt modelu za pomocą funkcji summary().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Examine the dataset to identify potential independent variables


# Explore the dependent variable


# Build the donation model
donation_model <- glm(___, 
                      data = ___, family = "___")

# Summarize the model results

Edytuj i uruchom kod