Log-odds
En nackdel med sannolikheter och odds för logistisk regression är att prediktionskurvorna för båda är böjda. Det gör det svårare att resonera kring vad som händer med prediktionen när du ändrar den förklarande variabeln. Logaritmen av oddset – det vill säga "log-odds" eller "logit" – har däremot ett linjärt samband mellan det predikterade utfallet och den förklarande variabeln. Det innebär att när den förklarande variabeln förändras sker bara linjära förändringar i responsmåttet, inte dramatiska svängningar.
Eftersom de faktiska värdena för log-odds är mindre intuitiva än vanliga (linjära) odds är det oftast bättre att visualisera oddsen och tillämpa en logaritmisk transformering på y-axelns skala.
mdl_churn_vs_relationship, explanatory_data och prediction_data är tillgängliga från föregående övning.
Den här övningen är en del av kursen
Introduktion till regression med statsmodels i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Update prediction data with log_odds
____
# Print the head
print(____)