Спецификация и оценка модели
Вы уже познакомились с командой glm() для построения логистической регрессии. glm() расшифровывается как обобщённая линейная модель и поддерживает целое семейство регрессионных моделей.
Для этого задания используйте учебный набор данных. Данные defaultData, необходимые для упражнения, уже загружены в вашу рабочую среду и готовы к моделированию.
Это упражнение является частью курса
Машинное обучение для маркетинговой аналитики на R
Инструкции к упражнению
- С помощью функции
glm()постройте модель, которая оценивает вероятность того, что клиент не выплатит задолженность, используя логистическую регрессию. Включите все объясняющие переменные из набора данных и укажите данные, которые следует использовать. - Не забудьте задать аргумент
family. - Извлеките коэффициенты из модели, преобразуйте их в отношения шансов и округлите результат.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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