Ajusta una regresión logística
En este ejercicio, continuarás con los datos del estudio sobre la contaminación del agua subterránea con arsénico en Bangladesh, donde quieres modelar la probabilidad de cambiar el pozo actual en función del nivel de arsénico presente en el pozo.
Recuerda la estructura del conjunto de datos:
El conjunto de datos wells está precargado en el espacio de trabajo.
Este ejercicio forma parte del curso
Modelos lineales generalizados en Python
Instrucciones del ejercicio
- Importa
statsmodelsyglm. - Usando
glm(), ajusta un modelo de regresión logística dondeswitchse prediga a partir dearsenic. - Imprime el resumen del modelo con
.summary().
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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(____.____)