Интересную задачку давали на этой неделе на курсах coursera по логистической регрессии.
Обращаю внимание, что пример может быть интересен HR: смотри например Скоринговые карты для оценки кандидата при приеме на работу, где применяется аналогичная технология. Предлагаю представить, что вместо выбора страны (0 ; 1) используется переменная: брать кандидата на работу / не брать и вместо остальных переменных используются информация, собранная о кандидате, поэтому пост адресуется тем, кто планирует развиваться в сфере HR-аналитики
возраст и уровень образования. Причем, индекс уровня образования дает негативный вклад в активную позицию в вопросе глобального потепления: чем выше уровень индекса образования страны, тем ниже вероятность, что страна будет занимать активную позицию в данном вопросе.
Обращаю внимание, что пример может быть интересен HR: смотри например Скоринговые карты для оценки кандидата при приеме на работу, где применяется аналогичная технология. Предлагаю представить, что вместо выбора страны (0 ; 1) используется переменная: брать кандидата на работу / не брать и вместо остальных переменных используются информация, собранная о кандидате, поэтому пост адресуется тем, кто планирует развиваться в сфере HR-аналитики
Кейс
В таблице (Приложение 1) 27 стран и пять переменных:- age - позиция в вопросе о глобальном потеплении (1 - активная; 0 - пассивная);
- educ - индекс уровня образования страны;
- gdp - ВВП или валовый внутренний продукт;
- co2 - соответственно, выбросы CO2 в атмосферу.
Результаты
Прогностичной ценностью обладают только две переменные:возраст и уровень образования. Причем, индекс уровня образования дает негативный вклад в активную позицию в вопросе глобального потепления: чем выше уровень индекса образования страны, тем ниже вероятность, что страна будет занимать активную позицию в данном вопросе.
Приложение 1.
country
|
change
|
age
|
educ
|
gdp
|
co2
|
|
1
|
England
|
1
|
40,5
|
0,65
|
2,4
|
522
|
2
|
Japan
|
1
|
44,6
|
0,64
|
5,8
|
1208
|
3
|
France
|
1
|
39,7
|
0,86
|
2,7
|
376
|
4
|
Germany
|
1
|
43,7
|
0,85
|
3,6
|
786
|
5
|
Spain
|
1
|
41,5
|
0,87
|
1,4
|
329
|
6
|
USA
|
0
|
36,9
|
0,95
|
14,9
|
5461
|
7
|
Russia
|
0
|
38,5
|
0,93
|
1,8
|
1742
|
8
|
China
|
1
|
35,2
|
0,59
|
7,2
|
7031
|
9
|
Turkey
|
0
|
28,1
|
0,64
|
0,7
|
283
|
10
|
India
|
0
|
25,9
|
0,92
|
1,8
|
1742
|
11
|
Jordan
|
0
|
21,8
|
0,69
|
0,02
|
21
|
12
|
Egypt
|
1
|
24
|
0,57
|
0,2
|
210
|
13
|
Nigeria
|
0
|
19,1
|
0,75
|
0,2
|
95
|
14
|
Indonesia
|
1
|
27,9
|
0,64
|
0,8
|
441
|
15
|
Pakistan
|
0
|
21,2
|
0,62
|
0,2
|
163
|
16
|
Italy
|
1
|
44,3
|
0,96
|
2,1
|
402
|
17
|
Greece
|
1
|
42,2
|
0,78
|
0,2
|
97
|
18
|
Kazakhstan
|
1
|
29,9
|
0,86
|
0,1
|
236
|
19
|
Mexico
|
1
|
26,7
|
0,78
|
1,1
|
467
|
20
|
Malaysia
|
1
|
25,1
|
0,45
|
0,3
|
208
|
21
|
Indonesia
|
1
|
27,9
|
0,44
|
0,8
|
441
|
22
|
Argentina
|
1
|
30,3
|
0,74
|
0,4
|
192
|
23
|
Canada
|
1
|
40,7
|
0,96
|
1,7
|
507
|
24
|
Poland
|
1
|
38,2
|
0,85
|
0,5
|
309
|
25
|
Finland
|
1
|
41,6
|
0,97
|
0,2
|
56
|
26
|
Uruguay
|
0
|
33,7
|
0,85
|
0,04
|
8
|
27
|
SouthAfrica
|
0
|
24,7
|
0,84
|
0,4
|
445
|
Комментариев нет:
Отправить комментарий