Modellgüte überprüfen

Im Video hast du das Beispiel betrachtet, wie sich die Modellgüte verbessert, wenn man beim Datensatz wells zusätzliche Variablen hinzufügt. Mit diesem Datensatz siehst du nun, wie eine weitere Erhöhung der Modellkomplexität die Devianz und die Modellgüte beeinflusst.

Der Datensatz wells ist im Workspace bereits vorab geladen.

Diese Übung ist Teil des Kurses

Generalisierte lineare Modelle in Python

Kurs anzeigen

Anleitung zur Übung

Passe ein logistisches Regressionsmodell mit switch als Zielvariable und distance100 sowie arsenic als erklärenden Variablen an.
Berechne die Differenz der Devianz zwischen dem reinen Achsenabschnittsmodell und dem Modell, das alle Variablen enthält.
Gib die berechnete Differenz aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

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

# Define model formula
formula = '____ ~ ____'

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

# Compare deviance of null and residual model
diff_deviance = ____.____ - ____.____

# Print the computed difference in deviance
____(____)

Code bearbeiten und ausführen