邏輯斯迴歸演算法
來深入了解內部原理，並實作一個邏輯斯迴歸演算法。由於 R 的 glm() 函式非常複雜，你將先針對單一資料集實作最基本的邏輯斯迴歸。
我們不用平方和當作評估指標，而是改用概似度（likelihood）。不過，對計算來說對數概似度（log-likelihood）更穩定，所以我們會用它。其實還有一個調整：我們想要最大化對數概似度，但 optim() 預設是找最小值，因此改計算「負的」對數概似度會更方便。
每筆觀測的對數概似度為
要計算的指標是這些對數概似度貢獻值的負總和。
解釋變數（churn 的 time_since_last_purchase 欄）已提供為 x_actual。
應變數（churn 的 has_churned 欄）已提供為 y_actual。
本練習屬於課程
R 的迴歸分析中級
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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
___