模型设定与估计
您已经看到如何使用 glm() 命令来运行逻辑回归。glm() 代表广义线性模型，提供了一整类回归模型。
请使用本练习的数据集完成此编码任务。本练习所需的数据 defaultData 已在您的环境中可用，可直接用于建模。
本练习是课程的一部分
用 R 进行市场营销分析的机器学习
练习说明
- 使用
glm()函数，通过逻辑回归来建模客户违约付款的概率。包含数据集中的所有解释变量，并指定要使用的数据。 - 别忘了指定
family参数。 - 从模型中提取系数，将其转换为赔率比，并进行四舍五入。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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