以下是前面兩個模型的常態 Q-Q 圖。
原始模型（n_clicks 對 n_impressions）：
n_clicks
n_impressions
轉換後模型（n_clicks ** 0.25 對 n_impressions ** 0.25）：
n_clicks ** 0.25
n_impressions ** 0.25
「觀察點沿著『常態性』直線的程度。」哪個敘述正確？
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。
