槓桿值衡量每筆觀測的解釋變數有多不尋常或多極端。大致而言，槓桿值高代表該筆資料的解釋變數相較於資料集中其他點很不一樣。對於僅有一個解釋變數的簡單線性迴歸，這通常表示解釋變數特別大或特別小的觀測值。
在這裡，你會檢視臺灣房地產資料集中，房價對「距離最近 MRT 車站的平方根」這個模型裡的高槓桿值觀測。
先猜猜看哪些觀測可能有高槓桿值，然後拖動滑桿看看結果。
哪一句說法是正確的？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
你將學到這個熱門統計模型的基礎、什麼是迴歸，以及線性與邏輯斯迴歸的差異。接著你會學習如何以數值與類別解釋變數來擬合簡單線性迴歸模型，並使用模型係數描述反應變數與解釋變數之間的關係。
在本章中，你將學會如何使用線性迴歸模型，對臺灣房價與 Facebook 廣告點擊進行預測。你也會進一步強化迴歸技能，實作操作模型物件、理解「回歸到平均值」的概念，並學會如何轉換資料集中的變數。
在本章中，你將學會如何對模型提問以評估擬合效果。你會學習如何量化線性迴歸模型的擬合程度、用視覺化診斷模型問題，並理解用於建立模型的每一筆觀測的槓桿值與影響力。
當前練習
學習如何擬合邏輯斯迴歸模型。使用真實世界資料，你將以成功機率與勝算比來預測客戶關閉銀行帳戶的可能性，並用混淆矩陣量化模型效能。
