Model regresji logistycznej

Ćwiczenie statystycznych pytań rekrutacyjnych w R

Zuzanna Chmielewska

Actuary

Zastosowania regresji logistycznej

spam

oszustwo finansowe

binarne punkty danych

$$f(x) = \frac{1}{1+e^{-x}} $$

$$f(x) = \frac{1}{1+e^{-x}} \in (0,1)$$

Predykcja prawdopodobieństwa: $$ p_i = P(y_i=1) = \frac{1}{1+e^{-(\beta_0+\beta_1 \cdot x_{i1}+...+\beta_p \cdot x_{ip})}} $$

Predykcja logit: $$ l_i = ln(\frac{p_i}{1-p_i}) = \beta_0+\beta_1 \cdot x_{i1}+...+\beta_p \cdot x_{ip}$$

predykcja binarnych punktów danych

model <- glm(y ~ x, data = df, family = "binomial")

model <- glm(y ~ x, data = df, family = "binomial")
predict(model, newdata = new_df, type = "response")

Ćwiczenie statystycznych pytań rekrutacyjnych w R