Подгонка модели вероятности выживания воробьёв

В этом упражнении вы оцените вероятность того, что воробей переживёт суровую зимнюю бурю, на основе его физических характеристик. Набор данных sparrow уже загружен. Целевая переменная — status ("Survived", "Perished"). Рассматриваемые признаки:

total_length: длина птицы от кончика клюва до кончика хвоста (мм)
weight: масса в граммах
humerus: длина плечевой кости (кость «верхней руки», соединяющая крыло с телом) (дюймы)

Помните, что при использовании glm() (docs) для построения модели логистической регрессии необходимо явно указывать family = binomial:

glm(formula, data = data, family = binomial)

Вы вызовете summary() и broom::glance(), чтобы изучить модель с помощью различных функций диагностики. Одна из метрик, которую вы рассмотрите, — аналог $R^2$, называемый псевдо-$R^2$.

$$ pseudoR^2 = 1 - \frac{deviance}{null.deviance} $$

Девиансу можно дать интуитивное объяснение, аналогичное дисперсии: это мера разброса в категориальных данных. Псевдо-$R^2$ играет ту же роль, что и $R^2$ в стандартной регрессии: $R^2$ показывает долю объяснённой дисперсии, а псевдо-$R^2$ — долю объяснённой девиансы.

Это упражнение является частью курса

Обучение с учителем в R: регрессия

Посмотреть курс

Инструкции к упражнению

Как было показано в видео, предсказание будет основано на значениях TRUE и FALSE. Создайте новый столбец survived в датафрейме sparrow, который принимает значение TRUE, когда status == "Survived".
Создайте формулу fmla, выражающую survived как функцию интересующих переменных. Выведите её на экран.
Подгоните модель логистической регрессии для предсказания вероятности выживания воробья. Присвойте модель переменной sparrow_model.
Вызовите summary(), чтобы увидеть коэффициенты модели, девиансу и нулевую девиансу.
Вызовите glance() для модели, чтобы получить девиансы и другие диагностические показатели в виде датафрейма. Присвойте результат glance() переменной perf.
Вычислите псевдо-$R^2$.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# sparrow is available
summary(sparrow)

# Create the survived column
sparrow$survived <- ___

# Create the formula
(fmla <- _____)

# Fit the logistic regression model
sparrow_model <- ___

# Call summary
___

# Call glance
(perf <- ___)

# Calculate pseudo-R-squared
(pseudoR2 <- ___)

Редактировать и запускать код