Bắt đầu ngayBắt đầu miễn phí

Khớp mô hình dự đoán xác suất sẻ sống sót

Trong bài tập này, bạn sẽ ước tính xác suất một con chim sẻ sống sót qua một cơn bão mùa đông khắc nghiệt, dựa trên các đặc điểm thể chất của nó. Bộ dữ liệu sparrow đã được nạp sẵn. Biến cần dự đoán là status ("Survived", "Perished"). Các biến chúng ta sẽ xem xét gồm:

  • total_length: chiều dài chim từ chóp mỏ đến chóp đuôi (mm)
  • weight: tính bằng gram
  • humerus: chiều dài xương cánh trên ("xương cánh trên" nối cánh với thân) (inch)

Hãy nhớ rằng khi dùng glm() (docs) để tạo mô hình hồi quy logistic, bạn phải chỉ rõ family = binomial:

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

Bạn sẽ gọi summary() và broom::glance() để xem các hàm khác nhau dùng kiểm tra mô hình hồi quy logistic. Một trong các chẩn đoán bạn sẽ xem là đại lượng tương tự \(R^2\), gọi là pseudo-\(R^2\).

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

Bạn có thể coi deviance tương tự như phương sai: đó là thước đo mức độ biến thiên trong dữ liệu phân loại. Pseudo-\(R^2\) tương tự \(R^2\) trong hồi quy chuẩn: \(R^2\) đo lường "phần phương sai được giải thích" của mô hình hồi quy. Pseudo-\(R^2\) đo lường "phần deviance được giải thích".

Bài tập này là một phần của khóa học

Học có giám sát với R: Hồi quy

Xem khóa học

Hướng dẫn bài tập

  • Như gợi ý trong video, bạn sẽ dự đoán trên các kết quả TRUE và FALSE. Tạo cột mới survived trong data frame sparrow có giá trị TRUE khi status == "Survived".
  • Tạo công thức fmla biểu diễn survived là hàm của các biến quan tâm. In công thức ra.
  • Khớp mô hình hồi quy logistic để dự đoán xác suất sẻ sống sót. Gán mô hình vào biến sparrow_model.
  • Gọi summary() để xem các hệ số của mô hình, deviance và null deviance.
  • Gọi glance() trên mô hình để xem các deviance và chẩn đoán khác trong một data frame. Gán đầu ra từ glance() vào biến perf.
  • Tính pseudo-\(R^2\).

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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 <- ___)
Chỉnh sửa và Chạy Mã