Anpassa logistiska modeller
Många affärsproblem kräver att man förutsäger en binär responsvariabel. Din framtida arbetsgivare kan behöva identifiera skräppost, kreditkortsbedrägerier eller sällsynta sjukdomar.
Den logistiska regressionsmodellen är standardmetoden för binära klassificeringsproblem.
I den här övningen använder du Parkinsons dataset från UCI-repositoriet. Datasetet innehåller en rad biomedicinska röstmätningar från personer med och utan Parkinsons sjukdom.
Du använder följande variabler från datasetet:
status– 1 om en person har Parkinsons sjukdom, 0 annars,NHR– ett mått på förhållandet mellan brus och tonala komponenter i rösten,DFA– ett fraktalt skalningsexponent för signalen.
Datasetet finns tillgängligt som parkinsons.
Den här övningen är en del av kursen
Öva på statistiska intervjufrågor i R
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Plot status vs NHR
___(status ~ ___, data = ___)
# Plot status vs DFA
___(___ ~ ___, ___ = ___)