Kom igångKom igång gratis

Anpassa en modell för sparvars överlevnadssannolikhet

I den här övningen ska du skatta sannolikheten att en sparv överlever en svår vinterstorm, baserat på sparvens fysiska egenskaper. Datamängden sparrow är förhandsinläst. Utfallet som ska förutsägas är status ("Survived", "Perished"). De variabler vi arbetar med är:

  • total_length: fågelns längd från näbbspets till stjärtspets (mm)
  • weight: vikt i gram
  • humerus: överarmsbenets längd (benet som förbinder vingen med kroppen) (tum)

Kom ihåg att du måste ange family = binomial explicit när du använder glm() (docs) för att skapa en logistisk regressionsmodell:

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

Du kommer att använda summary() och broom::glance() för att undersöka modellen på olika sätt. Ett av diagnostikmåtten du tittar på är analogin till \(R^2\), kallad pseudo-\(R^2\).

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

Devians kan ses som en analog till varians: det är ett mått på variationen i kategoriska data. Pseudo-\(R^2\) motsvarar \(R^2\) för vanlig regression – där \(R^2\) mäter hur stor del av variansen modellen förklarar, mäter pseudo-\(R^2\) hur stor del av devansen som förklaras.

Den här övningen är en del av kursen

Övervakad inlärning i R: Regression

Visa kurs

Övningsinstruktioner

  • Som beskrivs i videon ska du förutsäga utfallen TRUE och FALSE. Skapa en ny kolumn survived i dataramen sparrow som är TRUE när status == "Survived".
  • Skapa formeln fmla som uttrycker survived som en funktion av de aktuella variablerna. Skriv ut den.
  • Anpassa en logistisk regressionsmodell för att förutsäga sannolikheten för sparvars överlevnad. Tilldela modellen till variabeln sparrow_model.
  • Anropa summary() för att se modellens koefficienter, devians och null-devians.
  • Anropa glance() på modellen för att se devianser och andra diagnostikmått i en datarame. Tilldela utdata från glance() till variabeln perf.
  • Beräkna pseudo-\(R^2\).

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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 <- ___)
Redigera och kör kod