Modellspecifikation och skattning
Du har sett kommandot glm() för att köra en logistisk regression. glm() står för generaliserad linjär modell och erbjuder en hel familj av regressionsmodeller.
Använd övningsdatasetet för den här koduppgiften. Data defaultData som du behöver för övningen finns tillgänglig i din miljö och är redo för modellering.
Den här övningen är en del av kursen
Maskininlärning för marknadsanalys i R
Övningsinstruktioner
- Använd funktionen
glm()för att modellera sannolikheten att en kund inte betalar sin skuld, med hjälp av en logistisk regression. Inkludera alla förklarande variabler i datasetet och ange vilka data som ska användas. - Glöm inte att ange argumentet
family. - Extrahera koefficienterna från modellen, transformera dem sedan till oddskvoten och avrunda.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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