对数几率(log odds)
在逻辑回归的预测中,使用概率或几率(odds)的一个不足之处在于,它们对应的预测曲线是弯曲的。这会让您更难直观判断当说明变量发生变化时,预测会如何变化。几率取对数(即"对数几率"或"logit")后,预测的响应与说明变量之间呈线性关系。也就是说,随着说明变量变化,响应指标不会出现剧烈波动,而是线性变化。
由于对数几率的实际数值不如(线性)几率直观,因此在可视化时,通常更好的做法是绘制几率,并对 y 轴应用对数变换。
mdl_churn_vs_relationship、explanatory_data 和 prediction_data 可从上一个练习中获得。
本练习是课程的一部分
使用 Python 中的 statsmodels 进行回归入门
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Update prediction data with log_odds
____
# Print the head
print(____)