拟合麻雀存活概率模型
在本练习中，您将根据麻雀的体貌特征，估计其在严冬风暴中存活的概率。数据集 sparrow 已预加载。要预测的结果是 status（"Survived"，"Perished"）。我们将使用的变量有：
total_length：从喙尖到尾尖的全长（mm）weight：重量（克）humerus：肱骨长度（将翅膀连接到身体的"上臂骨"）（英寸）
请记住，使用 glm()（文档）创建逻辑回归模型时，必须显式指定 family = binomial：
glm(formula, data = data, family = binomial)
您将调用 summary() 和 broom::glance() 来查看检视逻辑回归模型的不同函数。您将查看的诊断之一是与 \(R^2\) 类似的指标，称为伪 $R^2$。
$$ pseudoR^2 = 1 - \frac{deviance}{null.deviance} $$
可以将 deviance 理解为类似方差的概念：它衡量分类数据的变异程度。伪 \(R^2\) 类似于标准回归中的 $R^2$：\(R^2\) 衡量模型"解释的方差"。而伪 \(R^2\) 则衡量"解释的偏差（deviance）"。
本练习是课程的一部分
R 中的监督学习：回归
练习说明
- 按视频中的建议，使用
TRUE和FALSE作为预测结果。在数据框sparrow中创建新列survived，当status == "Survived"时取 TRUE。 - 创建公式
fmla，将survived表达为所选变量的函数。打印该公式。 - 拟合一个逻辑回归模型来预测麻雀的存活概率。将模型赋给变量
sparrow_model。 - 调用
summary()查看模型系数、deviance 和 null deviance。 - 对模型调用
glance()，以数据框形式查看 deviance 和其他诊断信息。将glance()的输出赋给变量perf。 - 计算伪 $R^2$。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# sparrow is available
summary(sparrow)
# Create the survived column
sparrow$survived <- ___
# Create the formula
(fmla <- _____)
# Fit the logistic regression model
sparrow_model <- ___
# Call summary
___
# Call glance
(perf <- ___)
# Calculate pseudo-R-squared
(pseudoR2 <- ___)