Ajusta una regresión logística multivariable
Usando lo que has aprendido en el vídeo, volverás al conjunto de datos crab para ajustar un modelo de regresión logística multivariable. En el capítulo 2 ajustaste una regresión logística con width como variable explicativa. En este ejercicio analizarás los efectos de añadir color como variable adicional.
La variable color tiene un orden natural: medium light, medium, medium dark y dark. Por tanto, color es una variable ordinal que en este ejemplo tratarás como una variable cuantitativa.
El conjunto de datos crab está precargado en el espacio de trabajo. Ten en cuenta también que la única diferencia con respecto al caso univariante está en el argumento de la fórmula, donde ahora añadirás estructura para incorporar la nueva variable.
Este ejercicio forma parte del curso
Modelos lineales generalizados en Python
Instrucciones del ejercicio
- Importa las funciones necesarias de la biblioteca
statsmodelspara GLMs. - Define el argumento
formuladondewidthycolorson variables explicativas yyes la respuesta. - Ajusta un modelo de regresión logística multivariable usando la función
glm(). - Imprime los resultados del modelo.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Import statsmodels
import ____.____ as sm
from ____.____.____ import glm
# Define model formula
formula = '____ ~ ____'
# Fit GLM
model = glm(____, ____ = ____, ____ = sm.____.____).____
# Print model summary
____(____.____)