槓桿值用來衡量每個觀測值的解釋變數有多不尋常或多極端。粗略來說，槓桿值高表示該觀測值的解釋變數和資料集裡其他點相比很不一樣。對於只有一個解釋變數的簡單線性迴歸來說，這通常代表解釋變數特別大或特別小的值。
在這裡，你要檢視臺灣房地產資料集中，以房價對最近 MRT 車站距離開根號所建立的模型裡，哪些點具有高槓桿值。
先猜猜看哪些觀測值可能有高槓桿值，然後拖曳滑桿查看結果。
哪一個陳述是正確的？
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、何謂迴歸，以及線性與羅吉斯迴歸的差異。接著你會學習如何以數值與類別解釋變數擬合簡單線性迴歸模型，並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，你會學到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。你也會透過實作模型物件來精進迴歸技巧、理解「回歸到平均」的概念，並學會如何對資料集中的變數做轉換。
在本章中，你將學會如何針對模型提出問題以評估擬合度。你會學到如何量化線性迴歸模型的擬合優劣、運用視覺化診斷模型問題，並理解每筆觀測對建立模型的槓桿值與影響力。
當前練習
學習如何擬合羅吉斯迴歸模型。利用真實世界資料，你將以成功機率與勝算來預測客戶關閉銀行帳戶的可能性，並使用混淆矩陣量化模型效能。
