Log odds
Lojistik regresyon tahminlerinde olasılıkların ve oranların bir dezavantajı, her ikisi için de tahmin eğrilerinin kavisli olmasıdır. Bu da açıklayıcı değişkende bir değişiklik yaptığında tahminin nasıl etkileneceğini akılda canlandırmayı zorlaştırır. Oranların logaritması ("log odds" ya da "logit"), tahmin edilen yanıt ile açıklayıcı değişken arasında doğrusal bir ilişkiye sahiptir. Bu da, açıklayıcı değişken değiştikçe yanıtta dramatik sıçramalar görmeyeceğin, yalnızca doğrusal değişimler olacağı anlamına gelir.
Log odds'un gerçek değerleri (doğrusal) oranlara göre daha az sezgisel olduğundan, görselleştirme amaçları için genellikle oranları çizmek ve y ekseni ölçeğine log dönüşümü uygulamak daha iyidir.
mdl_churn_vs_relationship, explanatory_data ve prediction_data önceki egzersizden hazır.
Bu egzersiz
Python ile statsmodels kullanarak Regresyona Giriş
kursunun bir parçasıdırUygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Update prediction data with log_odds
____
# Print the head
print(____)