Logistische Regression fitten
In dieser Übung arbeitest du weiter mit den Daten aus der Studie zur Verunreinigung von Grundwasser mit Arsen in Bangladesch. Du möchtest die Wahrscheinlichkeit modellieren, den aktuellen Brunnen zu wechseln, abhängig vom Arsengehalt im Brunnen.
Erinnere dich an die Struktur des Datensatzes:
Der Datensatz wells ist im Workspace bereits geladen.
Diese Übung ist Teil des Kurses
Generalisierte lineare Modelle in Python
Anleitung zur Übung
- Importiere
statsmodelsundglm. - Fitten mit
glm()ein logistisches Regressionsmodell, in demswitchdurcharsenicvorhergesagt wird. - Gib die Modellzusammenfassung mit
.summary()aus.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Load libraries and functions
import ____.api as sm
from ____.____.api import glm
# Fit logistic regression model
model_GLM = ____(formula = ____,
data = ____,
family = ____.____.____).____
# Print model summary
print(____.____)