Thuật toán hồi quy logistic
Hãy đi sâu vào bên trong và tự triển khai một thuật toán hồi quy logistic. Vì hàm glm() của R rất phức tạp, bạn sẽ chỉ triển khai hồi quy logistic đơn giản cho một bộ dữ liệu duy nhất.
Thay vì dùng tổng bình phương làm thước đo, chúng ta sẽ dùng likelihood. Tuy nhiên, log-likelihood ổn định hơn về mặt tính toán, nên ta sẽ dùng nó. Thực ra còn một thay đổi nữa: vì ta muốn tối đa hóa log-likelihood, nhưng optim() mặc định tìm giá trị nhỏ nhất, nên sẽ dễ hơn nếu ta tính log-likelihood âm.
Giá trị log-likelihood cho mỗi quan sát là
Chỉ số cần tính là dấu âm của tổng các thành phần log-likelihood này.
Các giá trị biến giải thích (cột time_since_last_purchase của churn) có sẵn dưới tên x_actual.
Các giá trị phản hồi (cột has_churned của churn) có sẵn dưới tên y_actual.
Bài tập này là một phần của khóa học
Hồi quy trung cấp với R
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Set the intercept to 1
intercept <- ___
# Set the slope to 0.5
slope <- ___
# Calculate the predicted y values
y_pred <- ___
# Calculate the log-likelihood for each term
log_likelihoods <- ___
# Calculate minus the sum of the log-likelihoods for each term
___