R의 위험 평가 모델은 요인의 특정 수준의 확률을 얻기 위해

Question

저는 위험 분석가로 일하고 있습니다. 나의 상사는 어떻게 해야할지 모르는 과제를 나에게 할당했습니다.

지금 당장 특정 조건 하에서 확률을 얻고 싶습니다. 예를 들어 데이터는 다음과 같습니다.

sex  hair_color Credit_Score Loan_Status 
"Male" "Red"  "256"  "bad"   
"Female" "black" "133"  "bad"   
"Female" "brown" "33"   "bad"   
"Male" "yellow" "123"  "good" 

그래서 각 고객에 대해 Loan_Status를 예측하고 싶습니다. "sex", "hair_color", "credit_score"를 요인으로 처리 할 수 ​​있습니다. 그리고 이것들을 R의 glm()에 넣으십시오.

그러나 내 상사는 남성, 빨간 머리 인 새로운 고객이 대출 상태가 '좋을'확률을 알고 싶습니까? "

또는 "남성 고객의 대출 상태가 '좋음'이 될 확률은 얼마입니까?"

어떤 방법을 사용해야합니까? 확률을 얻는 방법? 한계 분포에 대해 생각하고 있지만이 작업이나 계산 방법을 모르겠습니다. 내가 이해하는이 질문은 쉽게 만들어, 누가 나에게 도움이 될 것입니다 희망

은, 시간 내 주셔서 대단히 감사합니다

Answer 1

나는이 튜토리얼은 완벽하게 문제를 맞는 생각 : http://www.theanalysisfactor.com/r-tutorial-glm1/

당신이 그것을 사용하는 경우 데이터에 대해서는 다음과 같이 보입니다.

sex <- factor(c("m", "f", "f", "m")) 
hair_color <- factor(c("red", "black", "brown", "yellow")) 
credit_score <- c(256, 133, 33, 123) 
loan_status <- factor(c("b", "b", "b", "g")) 

data <- data.frame(sex, hair_color, credit_score, loan_status) 

model <- glm(formula = loan_status ~ sex + hair_color + credit_score, 
     data = data, 
     family = "binomial") 

predict(object = model, 
    newdata = data.frame(sex = "f", hair_color = "yellow", credit_score =  100), 
    type = "response")