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

<Kurs>Generalisierte lineare Modelle in Python</Kurs>

Kurs ansehen

Übungsanweisungen

Importiere statsmodels und glm.
Fitten mit glm() ein logistisches Regressionsmodell, in dem switch durch arsenic vorhergesagt wird.
Gib die Modellzusammenfassung mit .summary() aus.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# 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(____.____)

Code bearbeiten und ausführen