Comprobar el ajuste del modelo
En el vídeo analizaste el ejemplo de una mejora en el ajuste del modelo al añadir una variable adicional en los datos de wells. Siguiendo con este conjunto de datos, verás cómo un mayor aumento en la complejidad del modelo afecta a la devianza y al ajuste.
El conjunto de datos wells ya está precargado en el espacio de trabajo.
Este ejercicio forma parte del curso
Modelos lineales generalizados en Python
Instrucciones del ejercicio
- Ajusta un modelo de regresión logística con
switchcomo respuesta ydistance100yarseniccomo variables explicativas. - Calcula la diferencia de devianza entre el modelo solo con intercepto y el modelo que incluye todas las variables.
- Imprime la diferencia calculada.
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_dist_ars = glm(____, ____ = ____, ____ = sm.____.____).____
# Compare deviance of null and residual model
diff_deviance = ____.____ - ____.____
# Print the computed difference in deviance
____(____)