Trénink multivariabilní logistické regrese

S využitím znalostí z videa se vrátíme k datasetu crab a nafitujeme multivariabilní logistický regresní model. Ve 2. kapitole jsi nafitoval/a logistickou regresi s proměnnou width jako vysvětlující proměnnou. V tomto cvičení prozkoumáš, jak se model změní po přidání proměnné color.

Proměnná color má přirozené uspořádání od medium light, medium, medium dark až po dark. Jde tedy o ordinální proměnnou, kterou v tomto příkladu budeme tratovat jako kvantitativní.

Dataset crab je v pracovním prostředí již připravený. Všimni si, že oproti univariabilnímu případu se kód liší pouze v argumentu formula – tam teď přidáš strukturu pro zahrnutí nové proměnné.

Toto cvičení je součástí kurzu

Zobecněné lineární modely v Pythonu

Zobrazit kurz

Pokyny k cvičení

Naimportuj potřebné funkce z knihovny statsmodels pro GLM modely.
Definuj argument formula tak, aby width a color byly vysvětlující proměnné a y byla odezva.
Nafituj multivariabilní logistický regresní model pomocí funkce glm().
Vypiš výsledky modelu.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import statsmodels
import ____.____ as sm
from ____.____.____ import glm

# Define model formula
formula = '____ ~ ____'

# Fit GLM
model = glm(____, ____ = ____, ____ = sm.____.____).____

# Print model summary
____(____.____)

Upravit a spustit kód