Log odds
ข้อเสียอย่างหนึ่งของการใช้ความน่าจะเป็นและอัตราต่อรองในการทำนายด้วย Logistic Regression คือเส้นทำนายของทั้งสองมีลักษณะโค้ง ทำให้วิเคราะห์ได้ยากขึ้นว่าค่าทำนายจะเปลี่ยนแปลงอย่างไรเมื่อตัวแปรอธิบายเปลี่ยนไป ในทางกลับกัน ลอการิทึมของอัตราต่อรอง ("log odds" หรือ "logit") มีความสัมพันธ์เชิงเส้นกับตัวแปรอธิบาย หมายความว่าเมื่อตัวแปรอธิบายเปลี่ยน ค่าตอบสนองจะเปลี่ยนแบบเส้นตรง ไม่เกิดการเปลี่ยนแปลงอย่างฉับพลัน
อย่างไรก็ตาม เนื่องจากค่า log odds นั้นตีความได้ไม่ตรงไปตรงมาเท่ากับอัตราต่อรองแบบเชิงเส้น ในทางปฏิบัติสำหรับการแสดงผล จึงมักนิยมพล็อตอัตราต่อรองแล้วใช้การแปลงลอการิทึมกับแกน y แทน
mdl_churn_vs_relationship, explanatory_data และ prediction_data มีให้ใช้งานแล้วจากแบบฝึกหัดก่อนหน้า
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การถดถอยเบื้องต้นด้วย statsmodels ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Update prediction data with log_odds
____
# Print the head
print(____)