Передбачення виживання горобців

У цій вправі ви передбачатимете ймовірність виживання, використовуючи модель виживання горобців з попередньої вправи.

Згадайте, що під час виклику predict() (docs) для отримання передбачених ймовірностей із моделі glm() потрібно вказати, що ви хочете відповідь:

predict(model, type = "response")

Інакше predict() для моделі логістичної регресії поверне передбачені логарифмічні шанси події, а не ймовірність.

Ви також скористаєтеся функцією GainCurvePlot() (docs), щоб побудувати криву виграшу за передбаченнями моделі. Якщо крива виграшу моделі близька до ідеальної ("wizard") кривої, це означає, що модель добре відсортувала горобців: тобто модель передбачила, що ті, хто справді вижив, матимуть вищу ймовірність виживання. Вхідні параметри функції GainCurvePlot() такі:

frame: датафрейм зі стовпцем з передбаченнями та стовпцем істинних значень
xvar: назва стовпця з передбаченнями (рядок)
truthVar: назва стовпця з фактичним результатом (рядок)
title: заголовок для графіка (рядок)

GainCurvePlot(frame, xvar, truthVar, title)

Датафрейм sparrow та модель sparrow_model уже завантажені.

Ця вправа є частиною курсу

Кероване навчання в R: регресія

Переглянути курс

Інструкції до вправи

Створіть у sparrow новий стовпець pred, який міститиме передбачення на тренувальних даних.
Викличте GainCurvePlot(), щоб побудувати криву виграшу для передбачень. Чи добре модель сортує горобців за ознакою того, чи вони насправді вижили?

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# sparrow is available
summary(sparrow)

# sparrow_model is available
summary(sparrow_model)

# Make predictions
sparrow$pred <- ___

# Look at gain curve
___(___, ___, ___, "sparrow survival model")

Редагувати та запускати код