Построение простых моделей логистической регрессии

Набор данных donors содержит 93 462 записи о людях, которым была разослана просьба о пожертвовании в пользу ветеранов-инвалидов. Столбец donated принимает значение 1, если человек сделал пожертвование в ответ на рассылку, и 0 в противном случае. Этот бинарный результат будет зависимой переменной модели логистической регрессии.

Остальные столбцы — это признаки потенциальных доноров, которые могут влиять на их склонность к пожертвованиям. Они являются независимыми переменными модели.

При построении регрессионной модели полезно заранее сформулировать гипотезу о том, какие независимые переменные будут влиять на зависимую. Столбец bad_address, равный 1 при недействительном почтовом адресе и 0 в противном случае, по всей видимости, снижает вероятность пожертвования. Кроме того, можно предположить, что религиозные интересы (interest_religion) и интерес к делам ветеранов (interest_veterans) связаны с большей склонностью к благотворительности.

В этом упражнении вы воспользуетесь этими тремя факторами, чтобы построить простую модель поведения доноров. Набор данных donors уже доступен для работы.

Это упражнение является частью курса

Обучение с учителем в R: классификация

Посмотреть курс

Инструкции к упражнению

Изучите структуру donors с помощью функции str().
Подсчитайте количество наблюдений для каждого значения переменной donated с помощью функции table().
Обучите модель логистической регрессии, используя интерфейс формул с тремя независимыми переменными, описанными выше.
- Вызовите glm(), передав формулу первым аргументом, а набор данных — в аргумент data.
- Сохраните результат в переменную donation_model.
Выведите сводную информацию о модели с помощью summary().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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

Редактировать и запускать код