模型指定與估計
你已經看過用來執行羅吉斯迴歸的 glm() 指令。glm() 代表廣義線性模型，提供一整個家族的迴歸模型。
請使用本練習的資料集來完成這個編碼任務。這題所需的資料 defaultData 已經在你的環境中，可以直接用來建模。
本練習屬於課程
R 的行銷分析機器學習
練習說明
- 使用
glm()函式，以羅吉斯迴歸來建模顧客發生付款違約的機率。把資料集中所有解釋變數都納入，並指定要使用的資料。 - 別忘了指定
family參數。 - 從模型中擷取迴歸係數，接著將它們轉換為勝算比（odds ratios），並四捨五入。
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。
# Build logistic regression model
logitModelFull <- ___(PaymentDefault ~ limitBal + sex + education + marriage +
age + pay1 + pay2 + pay3 + pay4 + pay5 + pay6 + billAmt1 +
billAmt2 + billAmt3 + billAmt4 + billAmt5 + billAmt6 + payAmt1 +
payAmt2 + payAmt3 + payAmt4 + payAmt5 + payAmt6,
family = ___, data = ___)
# Take a look at the model
___(logitModelFull)
# Take a look at the odds ratios
coefsexp <- ___(logitModelFull) %>% ___ %>% round(2)
coefsexp